清华大学出版社
本书对人工智能中的关键技术进行介绍，主要包括计算机视觉、自然语言处理、语音处理、知识表示与推理、专家系统与知识图谱、问题求解与搜索技术、机器学习原理、机器学习应用、人工神经网络与深度学习、智能机器人等。本书引领读者进入人工智能领域，了解人工智能的概念和发展简史，理解人工智能的三大流派，并熟悉人工智能的主要研究内容和应用领域。本书内容丰富，应用性强，在中国大学MOOC平台上开设了“人工智能概论”课程。本书主要面向人工智能、智能科学与技术、软件工程、计算机科学与技术、数据科学与大数据技术、机器人工程等相关专业的本科生、研究生，也可供人文社科类、管理类等学科专业的学生学习。
more>前言背景人工智能的浪潮已席卷全球。国务院于2017年7月发布了《新一代人工智能发展规划》，指出:人工智能是引领未来的战略性技术，必须放眼全球，把人工智能发展放在国家战略层面系统布局、主动谋划，打造竞争新优势，开拓发展新空间，有效保障国家安全。《新一代人工智能发展规划》主要针对人才和核心技术两个方面做了专门的规划和部署。只有培养高端的科技人才，把握核心技术，中国的人工智能才能达到世界领先水平。2018年4月，教育部印发了《高等学校人工智能创新行动计划》，目的是引导高等学校瞄准世界科技前沿，强化基础研究，实现前瞻性基础研究和引领性原创成果的重大突破，进一步提升高等学校人工智能领域科技创新、人才培养和服务国家需求的能力。《高等学校人工智能创新行动计划》就完善人工智能领域人才培养体系出台了一系列政策，并进行系统布局，主要包括加快人工智能领域学科建设、专业建设、人才培养和构建人工智能多层次教育体系四个重要方向。2018年，人工智能专业被教育部列入新增审批本科专业名单，上海交通大学等35所高等学校获首批建设资格。目前我国已有440所高等学校开设了人工智能本科专业。智创未来，未来已来，这是一个人工智能的时代。适应不同类型教学对象的人工智能相关课程与教材的建设迫在眉睫。2020年，“人工智能概论”课程在中国大学慕课平台上线，网址为https://www.icourse163.org/course/BUU1461546165。该课程提供了本书内容的讲解视频，可以用于人工智能应用型人才的培养。本书对人工智能中的关键技术进行了介绍，主要包括计算机视觉、自然语言处理、语音处理、知识表示与推理、专家系统与知识图谱、问题求解与搜索、机器学习、人工神经网络与深度学习、智能机器人等。本书能引领读者进入人工智能领域，了解人工智能的概念和发展简史，理解人工智能的三大流派，并熟悉人工智能的主要研究内容和应用领域。本书内容丰富，应用性强，既可作为高等学校人工智能相关课程的教材，也可供相关专业人士参考。希望本书及配套慕课能给我国人工智能应用型人才的培养添砖加瓦。本书特色本书面向应用。第1章简要介绍人工智能的概念、发展简史及研究流派。第2～4章对人工智能的主要应用领域——计算机视觉、自然语言处理、语音处理进行了介绍。第5～7章由浅入深地介绍人工智能领域中的知识表示、知识发现（专家系统与知识图谱）、问题求解与搜索技术。第8、9章对人工智能中的主要实现技术——机器学习的原理和应用进行重点讲解。第10章阐述了20世纪之后在人工神经网络领域取得突破性成就的深度学习技术，主要结合3大应用领域中的典型任务进行讲解。本书最后对人工智能技术的综合应用——智能机器人进行简要讲解。本书采用提出问题→分析问题→解决问题的整体结构，更加方便读者理解人工智能技术背后所蕴含的方法论和思想。人工智能发展非常迅速，内容十分庞杂，本书在内容上精选了一些既比较实用又是前沿热点的人工智能技术，能够帮助学生掌握人工智能的新理论和新技术。读者对象本书主要面向人工智能、智能科学与技术、软件工程、计算机科学与技术、数据科学与大数据技术、机器人工程等相关专业的本科生、研究生，也可供人文社科类、管理类等学科专业的学生学习。本书非常适合作为人工智能应用型人才培养的教材。本书作者本书为北京联合大学教材资助项目，由北京联合大学机器人学院软件工程优秀教学团队完成，将立德树人理念融入教学内容中，注重理论联系实际，注重人工智能技术与国家经济发展的联系，为培养国家的建设者服务。本书由软件工程系教师彭涛、刘畅编写，其中第1～5、8～10章由彭涛编写，第6、7、11章由刘畅编写，全书由彭涛统稿。衷心感谢北京联合大学对本书和课程建设的大力支持。感谢北京联合大学教务处林妍梅和机器人学院领导的关心和支持，同时也感谢软件工程系诸位同仁的帮助、支持和鼓励。衷心感谢清华大学出版社龙启铭编辑为本书出版付出的辛勤劳动以及向作者提出的许多有益的修改建议。本书提供授课配套讲义，读者可以从清华大学出版社网站免费下载。人工智能领域发展日新月异。限于作者水平，书中缺漏之处在所难免，敬请读者批评指正。作者2023年5月于北京
more>暂无课件样章下载暂无网络资源扫描二维码下载APP了解更多版权图片链接
清华大学出版社
本书基于PyTorch框架介绍深度学习的有关理论和应用,以Python为实现语言。全书共分10章，内容包括深度学习的概念和发展过程、感知器、全连接神经网络、卷积神经网络、若干经典CNN预训练模型及其迁移方法、深度卷积神经网络应用案例、循环神经网络、基于预训练模型的自然语言处理、面向模型解释的深度神经网络可视化方法、多模态学习与多模态数据分类等。本书兼顾理论与应用、原理与方法，集系统性、实用性、便捷性于一体，易于入门，实例丰富，所有代码全部经过调试和运行。此外，每一章后面都配有适量的习题，供教学和学习参考使用。本书可作为各类高等学校人工智能和计算机相关专业的“人工智能”或“机器学习”课程的教材，也可作为人工智能、深度学习爱好者和初学者的自学教材，以及从事人工智能课题研究和应用开发人员的参考用书。
more>前言2022年11月，OpenAI公司发布了ChatGPT。该产品在极短的时间内迅速受到了人们的空前关注，被认为是人工智能史上继AlphaGo战胜了李世石以来的又一个里程碑事件。这些事件掀起了一轮又一轮的人工智能研究风暴，使得“深度学习”“神经网络”“人工智能”等术语像流行歌词一样为世人所知晓。实际上，在此之前LannYeCun等于1998年提出了最早的卷积神经网络——LeNet，Hinton和他的学生Salakhutdinov于2006年提出深度学习的概念，Hinton的学生KrizhevskyAlex于2012年提出了LeNet的加宽版——AlexNet，这些标志着深度学习时代的来临。2014年GoogLeNet和VGG同时诞生，2015年残差神经网络ResNet诞生。围棋事件只不过是新一轮人工智能研究风暴的导火索，此后还出现了AlphaGo的升级版——AlphaGoZero、预训练模型EfficientNet、刷新人们对深度神经网络认知的Transformer框架及基于此框架大型预训练模型BERT和GPT等，而ChatGPT的出现更是令人对人工智能拍案叫绝、赞不绝口。与往次不同的是，本次人工智能革命不但有扎实的理论和技术为基础，在图像识别、语音处理、自然语言处理等领域中均获得了突破性进展，而且有强力的资本注入，有市场的需求，形成了科技、产业协同发展的新模式，更是国家战略（工业4.0——智能化）发展的需要，推动着人类进入了“AI+”时代。因此，我们有理由相信，在可预见的未来，人工智能一直都是带动各行各业发展的重要引擎，是新一轮经济腾飞的发动机。人工智能及相关产业的从业者已是不计其数，将来也会创造更多的就业岗位。在“AI+”时代，作为当代的大学生，人工智能和计算机类专业等工科类学生，甚至文科类学生，都在学习人工智能和应用人工智能，都希望运用人工智能理论和技术解决各自领域中的科学问题、技术难题等。虽然现在学生学习深度学习的热情很高，但是编者注意到，要掌握能够学以致用的深度学习技术和方法并非易事。其原因主要在于：①虽然现在网络资料、文献书籍非常多，但其呈现的知识碎片化严重，学生往往容易迷失在这些浩如烟海知识海洋中，需要花费大量的时间才能整理出知识脉络，形成自己的知识结构，导致学习效率十分低下。②市场上关于深度学习的书籍虽然已经非常多了，但有的过于偏重理论，主要阐述深度学习的理论知识，只适合于有较好深度学习基础的读者，像学生这样的初学者，看了以后也不知道如何入手。有的书籍又过于偏重所谓的实践技能，它们往往罗列出一大堆代码，却不分析代码背后的基本原理和相关理论知识，使得学生为了学习深度学习而学习代码，不能举一反三，更不能学以致用，以至于最后还是“盲人摸象”，收获甚微。③有很多学生是带着热情来学习深度学习的，但学习热情是相对的，需要有学习成功的喜悦来加持。而实际情况往往是，学生做了很多努力，却由于知识碎片化、缺少合适的书籍等因素不知从何入手，多次尝试也难以达到预期的目标，进而难以坚持学习，热情自然也就消退了，即使能够坚持下来，也难以达到学习深度学习的既定目标。深度学习理论与应用前言笔者长期从事人工智能和深度学习方面的教学和科研工作，也一直指导本科生和研究生从事这方面的课题研究，主要有两点体会比较深刻：①每次面对新一届的学生时，都需要从头给他们培训深度学习方法的理论知识和实践知识，以使得他们尽快进入研究课题的门槛，很耗费时间和精力。如果有一本兼顾理论与应用、综合原理与方法、适合初学者的深度学习书籍，那么这种培训工作就容易得多了，甚至让学生自己学习就可以了，从而省去了这个培训环节。②由于缺乏系统的学习资料，学生需要整理大量的笔记和资料，以形成自己的知识体系，结果导致学习效率低下，严重影响课题的研究进度。对研究生而言，由于上述原因，他们往往要利用一年左右的时间来系统地学习深度学习，这导致他们真正花在课题上的研究时间非常有限。对本科生而言，他们大多在大三或大四时开始接触和学习深度学习。也由于上述原因，加上考研、找工作等多种因素，他们根本没有较长时间来学习深度学习，因此在做课题研究时往往从网上下载一段代码来改一改，能够运行就可以，结果往往是“只知其然，而不知其所以然”，而且学的内容很片面，其效果也就是“盲人摸象”。实际上，如果有一本合适的深度学习入门教材，本科生和研究生都可以用2～3个月的时间即可系统地学习深度学习的有关理论和应用知识，那么老师的指导和学生的学习都会变得相对容易，而且指导和学习的操作性和针对性都更强。本书正是在考虑到上述三个原因和两点体会的基础上编写的。从案例收集、教学经验积累开始，到最后的撰写，大约经历了三年时间，本书终于和读者见面。本书的撰写不仅是深度学习知识的书面文字化，更是笔者多年从事人工智能和深度学习教研的心得体会与经验总结。本书共分为10章，第1章介绍深度学习的概念和发展过程，重点介绍张量的基本操作；第2章介绍神经网络的基本计算单元——感知器；第3章介绍全连接神经网络及梯度计算和参数优化的理论基础；第4章介绍卷积神经网络，涉及网络的主要操作和设计方法等；第5章介绍若干经典CNN预训练模型及其迁移方法；第6章介绍深度卷积神经网络的应用案例；第7章结合文本处理介绍循环神经网络；第8章介绍基于预训练模型的自然语言处理技术和方法；第9章介绍面向深度神经网络可解释性的可视化方法；第10章介绍多模态学习与多模态数据分类，这是人工智能比较前沿的领域。本书的特点体现在四个方面：①坚持“一个中心，两个基本点”的基本原则。一个中心是指理论中心，即本书结合损失函数的设计，针对基本网络结构，详细介绍了基于梯度反向传播的参数训练理论和方法，而且内容由浅入深，通俗易懂，使读者不但知其然，而且知其所以然。一个基本点是针对图像处理，系统介绍卷积神经网络的理论和方法，包括优化和设计理论，基于PyTorch的开发方法，然后介绍卷积神经网络的若干经典预训练模型。另一个基本点是针对序列数据，尤其是文本数据，系统地介绍了循环神经网络的基本原理和使用方法，进而介绍了Transformer以及基于Transformer的预训练模型。②系统性和实用性。本书不但从“零”开始介绍了深度神经网络的设计方法，而且介绍了相应预训练模型的使用方法，内容全面，涉及深度学习各方面的知识。读者不但可以深入、系统地理解深度模型的基本原理，而且可以“站在巨人的肩膀上”，通过使用已有的预训练模型并通过微调来解决面临的复杂问题，达到学以致用的目的。③易于入门。本书虽然包含了许多理论知识，但主要是高等数学中的知识，这些知识在大一和大二一般都学习过，而且本书尽量用通俗的语言加以阐述，用小例子帮助具体化，所以相关理论非常容易入门。与此同时，在许多章节的开头，尽量用一个简单的例子来“开胃”，让读者对复杂的设计方法有一个初步的感知，然后据此扩展，介绍相关的理论和知识。所以，本书内容整体上由浅入深，通俗易懂，非常容易入门。不管是工科类还是非工科类学生，都可以利用本书快速入门，跨越各自专业课题研究所需的深度学习技术门槛，为专业课题的实质性研究提供支持。④便捷性。为了方便读者阅览和学习，本书中每个程序代码一般都尽可能地在一个Python文件中编写完成（即“一个程序一个Python文件”），不涉及复杂的文档结构，以保证读者能够聚焦关键信息和掌握核心知识。同时，本书尽可能删除无关和不必要的代码，只保留与知识点密切相关的代码和维持程序运行的必要代码，保证每个程序代码都可以独立运行，同时提供相应的数据集。总之，本书由浅入深、通俗易懂，具有较好的操作性，所有代码全部通过调试运行。本书兼顾理论与应用、原理与方法，内容涵盖深度学习的基础理论和主流方法，实例翔实，逻辑性强，结构清晰，条理清楚，重点突出。此外，每一章后面都配有适量的习题，供教学和学习参考使用。本书可作为各类高等学校人工智能和计算机相近专业的深度学习、神经网络、机器学习、自然语言处理、图像处理、模式识别等人工智能课程及相关课程的教材，也可以作为人工智能、深度学习爱好者和初学者的自学教材，以及从事人工智能和深度学习应用开发的人员参考。本书提供的所有的源代码和本书案例中使用到的数据集，以及教学大纲和PPT课件等资源，都可以从清华大学出版社网站（http://www.tup.com.cn/）免费下载。读者如有问题或需要技术支持，联系longqm@163.com。全书由广西大学蒙祖强教授执笔，欧元汉副教授审阅了本书全稿，研究生潘秋宇、莫书渊、徐洋、梁羿、郑毅等为程序调试做了大量工作，研究生王新育、付闻达、陈舒静、陀海铭、张道胜、施子豪等为稿件的纠错提供了大量帮助。此外，参与本书编写、资料整理和调试程序的还有白琳、杨丽娜等老师。在此，对他们的贡献表示由衷的感谢！感谢所有关心和支持本书编写和出版的人员，包括广西大学武新章教授、陈宁江教授，以及一些老师、研究生和技术人员，同时感谢清华大学出版社的领导和编辑，他们为本书的编写和出版提供了大量的指导。本书参考了相关文献和网络资源，在此，对这些资料的著作者表示衷心感谢。编者2023年3月
more>暂无课件样章下载暂无网络资源扫描二维码下载APP了解更多版权图片链接
清华大学出版社
本书参照产业界自动驾驶技术研发的基本流程,充分借鉴了产业界在自动驾驶技术领域中的实际研发经验,以高性能的智能小车和高度仿真的车道沙盘为实验教具和运行环境,深入浅出地讲解自动驾驶技术的原理与实际应用,为初学者打开一扇通往人工智能世界的大门。本书以帮助初学者如何从无到有地打造出具备自动驾驶功能的智能小车为主线,内容分为看车(了解自动驾驶)、造车(设计智能小车)、开车(收集训练数据)、写车(编写自动驾驶模型)、算车(训练和优化自动驾驶模型)、玩车(部署并验证自动驾驶模型)6章。初学者可以通过边学习理论知识边动手实践的方式,系统学习人工智能的算法理论和应用实例。本书没有堆砌艰深晦涩的公式推导,力求将枯燥难解的算法原理及模型进行直观的讲解,希望读者在学习的过程中,了解现实中自动驾驶技术的发展并获得运用人工智能解决自动驾驶难题的乐趣。本书适合作为高等院校智能科学与技术、人工智能相关专业的教材,也适合作为人工智能研究人员、开发人员的参考书。
more>前言毫无疑问，人类社会已经进入了智能时代。人工智能技术的发展迎来了又一波热潮，人脸识别、语音识别等技术的应用已经融入日常生活中的方方面面。各行各业特别是一些科技新兴行业对人工智能领域的研发需求和应用人才的需求急剧增加。作为向社会输送人才的主要阵地，高校近年来也增设了人工智能相关的专业，以满足各行业对人工智能技术人才的需求。而在人才培养的过程中，我们发现人工智能作为交叉学科，对学习者自身的专业基础要求比较高，前置课程（例如高等数学、工程数学、计算机原理与体系结构、数据结构、计算机编程等）的学习会占用本科生大量的时间和精力。一些学生曾向教师反馈：前置课程比较理论化，学起来枯燥，很多时候即使学完了，也不太清楚如何应用。由此可知一些学生在还未真正开始学习人工智能技术时，就已经觉得门槛太高，望而却步。在人工智能技术的学习中，很多初学者最先接触的是神经网络模型的相关理论和算法，其中也有一些经典的模型（例如MNIST手写数字识别）作为实践案例，但是经过多年的发展，类似手写识别、语音识别、人脸识别等应用案例已逐渐变得平淡无奇，无法激发学生更高的学习热情，并且这些实践案例大部分是基于计算机或者手机平台部署实现的，初学者很少有机会将人工智能的学习与计算机或者手机之外的产品连接起来。随着人们对智能出行等生活需求的不断提升，以及智能汽车制造新势力的不断崛起，自动驾驶技术的研发和应用已经成为当今社会关注的热点。自动驾驶技术不但对传统汽车产业的升级十分重要，而且是在终端产品中进一步提升芯片算力性能、发展高端集成电路技术的支撑，同时也是在高端生活消费品（智能汽车）和智慧城市中落地人工智能技术的重要突破口。无论产业界还是教育界对自动驾驶技术的研发和应用都十分重视，因此将自动驾驶作为人工智能理论学习和动手实践的教学案例，能够更好地激发初学者的学习热情，而且还能够增强他们持续学习的主观能动性。自动驾驶技术的学习需要搭建一定的实验环境，目前产业界对自动驾驶技术的研发投入动辄以亿元为单位，显然很多高校无法承受如此高昂的成本，用于搭建同等水平的实验环境进行实践培养。一方面是产业界对自动驾驶技术人才的急需和高校学生对学习相关技术的渴望，另一方面是人工智能学习的高起点和自动驾驶实践的高成本，这两方面的矛盾需要找到一种合理的解决方案。为此，我们整合复旦大学和戴尔科技集团各自的优势资源，为初学者提供了自动驾驶技术及人工智能理论与实践的教学方案和资源平台。戴尔科技集团为产业界中超过半数的自动驾驶技术研发企业提供了数据存储和处理的基础架构，帮助企业了解产业界研发自动驾驶技术的基本流程和基本需求，企业专家也密切关注自动驾驶技术最新的公开信息和技术发展。复旦大学与戴尔科技集团共建的“虚拟现实创客实验室”集中了优秀的专业教师和产业界专家，开设了“自动驾驶”相关课程，打造了适合高校教学的仿真实验环境和虚拟实验平台，编写了适合初学者的自动驾驶学习资料，并面向校内外本科生开展教学实践。通过多年的积累和一线教学过程中的反馈，在已有学习资料的基础上逐步完善并形成了本教材，希望能够借此帮助更多渴望学习人工智能技术的初学者在未来成为自动驾驶相关行业的骨干人才。在本书的编写过程中，得到了戴尔科技集团多位专家的鼎力支持，很多专家不但亲自撰写内容，而且积极参与了相关教学课件的编制。除了本书主要编写团队之外，参加各章编写工作的还有陈天翔（第6章）、高雷（第2章）、李三平（第1、3章）、林小引（第1章）、倪嘉呈（第1、5章）、王子嘉（第1、6章）等。戴尔科技集团全球总裁兼首席技术官JohnRoese先生亲自为本书作序，本书的编写还得到了刘伟、陈春曦、贾真等集团高管以及孙文倩、曹贺等的关心和帮助，在此向他们表示衷心的感谢！同时也要感谢积极参与教材编写和宣传推广工作的出版社编辑、学校教务部门和戴尔科技集团中国研发中心的相关专家、老师和同仁的大力支持！作为理论与实践相结合的教材，本书难免存在不足，对最新技术和市场发展的跟踪和更新不够及时和充分，受限于教学教具和实验环境，对相关问题的表述和理论知识的讲解可能存在疏漏，敬请广大读者批评指正。编者2023年3月
more>暂无课件样章下载暂无网络资源扫描二维码下载APP了解更多版权图片链接
清华大学出版社
本书以MATLABR2020a软件为基础，详细介绍各种智能算法的原理及MATLAB在智能算法中的应用，是一本MATLAB智能算法设计的综合性参考书。全书以智能算法原理及MATLAB应用为主线，结合各种应用案例，详细讲解智能算法在MATLAB中的实现方法。全书共分为3部分：第一部分为基础知识；第二部分介绍经典的智能算法及其在MATLAB中的实现方法，包括遗传算法、免疫算法、蚁群算法、粒子群算法、小波分析、神经网络算法和模糊逻辑控制等内容；第三部分详细介绍智能算法在工程中的应用，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的PID控制器设计等内容。本书以工程应用为目标，内容讲解深入浅出、循序渐进，既可作为高等院校理工科相关专业研究生、本科生的教材，也可作为广大科研工程技术人员的参考用书。
more>美国MathWorks公司的MATLAB软件是一款用于算法开发、数据可视化、数据分析及数值计算的高级计算语言和交互环境，主要包括MATLAB和Simulink两大部分。MATLAB在数值计算方面的功能首屈一指。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB实现智能算法设计比用C、FORTRAN等语言更为方便。在人工智能研究领域，智能算法是其重要的一个分支。虽然智能算法研究水平暂时还很难使“智能机器”真正具备人类的智能，但是人工脑是人脑与生物脑的结合，这种结合将使人工智能的研究向着更广和更深的方向发展。智能计算不断地在探索智能的新概念、新理论、新方法和新技术，这些研究成果将给人类世界带来巨大的改变。本书将详细介绍MATLAB智能算法的设计及应用方法。1．本书特点（1）由浅入深，循序渐进。本书以初、中级读者为对象，首先从人工智能概述的基础讲起，再以各种智能算法原理及其在MATLAB中的应用案例帮助读者尽快掌握智能算法实现的技能。（2）步骤详尽，内容新颖。本书结合编者多年的MATLAB智能算法使用经验与实际工程应用案例，详细讲解智能算法的原理及其在MATLAB中的实现方法与技巧。本书在讲解过程中步骤详尽、内容新颖，讲解过程辅以相应的图片，使读者在阅读时一目了然，从而快速把握书中所讲内容。（3）实例典型，轻松易学。学习实际工程应用案例的具体操作是掌握智能算法实现最好的方式。本书通过综合应用案例，透彻详尽地讲解智能算法在各方面的应用。2．本书内容本书重点讲解智能算法在MATLAB中的实现，全书共分为3部分：基础知识、算法专题、综合应用。第一部分为基础知识，对人工智能进行介绍，同时讲解MATLAB的基础知识，为智能算法的学习奠定基础。第1章人工智能概述第2章初识MATLAB第3章MATLAB基础第4章程序设计第二部分为算法专题，主要介绍多种经典算法的理论及其在MATLAB中的实现方法。智能算法有很多种，该部分选取几种经典的算法进行讲解。第5章遗传算法第6章免疫算法第7章蚁群算法第8章粒子群算法第9章小波分析第10章神经网络算法第11章模糊逻辑控制第三部分为综合应用，主要介绍几种智能算法的应用实践，帮助读者尽快将学到的算法应用到实际学习与工作中。第12章模糊神经网络在工程中的应用第13章遗传算法在图像处理中的应用6MATLAB智能算法（第2版）第14章神经网络在参数估计中的应用第15章基于智能算法的PID控制器设计注：本书基于MATLABR2020a中文版进行编写，由于软件内部函数运行后图形显示的依然为英文标注，为保证与软件操作一致，书中图形采用软件的直接输出结果，即保留英文注释。为兼顾MATLABR2020a以前版本，方便使用低版本的读者学习使用，MATLAB程序段中保留了部分旧版本的函数。3．读者对象本书适用于MATLAB智能算法设计初学者和期望提高智能算法工程应用能力的读者，具体说明如下。人工智能从业人员初学MATLAB智能算法的技术人员大中专院校的教师和在校生相关培训机构的教师和学员MATLAB爱好者广大科研工作人员4．读者服务为了方便解决本书疑难问题，读者在学习过程中遇到与本书有关的技术问题，可以访问“算法仿真”公众号，在相关栏目下留言获取帮助。本书介绍的智能算法是智能算法领域非常经典的算法，公众号未来会定期分享不同的智能算法及其MATLAB算例，包括但不限于差分进化算法、模拟退火算法、支持向量机算法、禁忌搜索算法、天牛须搜索算法等。5．本书作者本书由温正编著，虽然编者在编写过程中力求叙述准确、完善，但由于水平有限，书中疏漏之处在所难免，希望读者和同仁能够及时指出，共同促进本书质量的提高。最后再次希望本书能为读者的学习和工作提供帮助！编者2023年1月
more>暂无课件样章下载暂无网络资源扫描二维码下载APP了解更多版权图片链接
人工智能将如何重塑未来教育
人工智能将如何改变我们的教育？清华大学人工智能博士、清华大学人工智能研究院智能机器人研究中心副主任闵海波近日在接受人民网记者采访时表示，随着人工智能技术的不断发展，未来的教育将会更加智能化和个性化，人工智能技术与教育数字化领域深度融合将为教育的未来带来更多可能性。
“人工智能和机器人技术在教育领域能够发挥重大的基础性作用。”闵海波表示，把先进的人工智能和机器人技术应用到学校教育中，有助于解决中国教育发展不均衡问题。
他举例说，把“机器人助教”引入课堂后，借助以人工智能为基础的交互技术，如自然语言处理、人脸识别、动作识别、情绪识别、图像识别等，有助于解决基本的教育供给问题。这对于中西部师资比较匮乏的地区，效果尤其明显。机器人是载体，可以承载各种教育内容，这就使得机器人助教可以兼容各类学科教学。
人工智能还可以帮助实现大多数人类老师难以做到的“因材施教”。他提到，当前基于大模型的自然语言处理技术可以很好地实现探究式教育与启发式教育。
此外，闵海波透露，基于多模态大模型技术研发的青少年智能心理评测系统，目前已经在一些学校落地应用。由于学校里专业心理咨询师匮乏，可以以机器人为载体，通过共情化的语言与孩子进行沟通，提前去预判、发现孩子的问题，提早进行心理疏导和治疗，为孩子身心健康保驾护航。
“‘君子性非异也，善假于物也’，不管你所处什么时代，一定要用好你的工具，拥抱时代，拥抱技术。”在谈到普通人应该如何面对人工智能的挑战时，闵海波坦言，未来是人机共融、共生时代，人工智能是时代趋势，不会随人的主观意愿而改变。那些重复性的、技术性的、标准化的、有限知识的脑力工作，将毫无悬念地被人工智能所替代，但是人工智能不可能替代“创新”，尤其是“颠覆式创新”。未来所淘汰的是不会使用新技术新工具的人，知识获取会淡化，而人格塑造和能力的培养需要增强。
“人工智能对于传统教育的挑战将不可避免，我们应该积极拥抱新技术，将教育中‘人工智能’能做的工作交给‘人工智能’去做，将‘人工智能’不能做的工作交给‘教师’们去做。面向未来的教育，由于‘人工智能’的加入，‘教师’们也更加需要加快提升自我能力。”闵海波说。
闵海波总结说，教育的最终目的是人的发展，教育的本质并不会因数字化技术的介入而发生改变，教育传承文化和培养人才的本质不会变，立德树人的根本目的不会变，无论是人工智能等技术与教育的融合，还是教育数字化的战略，最终目标都是为了回归教育的本质。
编辑：李华山
2023年06月30日07:04:27