本书立足于无人系统的自主寻源任务，围绕近十年来动态复杂环境中无人系统优化控制和轨迹规划相关研究的难点和热点问题，从信号场类型、不完全量测信息、决策控制方法等多个角度出发，系统地解决了仅可获得场源方位角量测、信号场强度量测条件下的自主寻源控制问题，时空动态信号场场源的协作定位问题，以及无人系统在自主寻源任务下的多约束轨迹

本书站在科学研究制高点——范式(即科学观与方法论)——的立场上揭示了人工智能的深层学术本质，并通过范式革命(以信息学科范式取代物质学科范式)构筑了全新的人工智能研究模型，发现了普适性智能生成机制，开辟了基于智能生成机制的人工智能统一研究路径，创建了机制主义通用人工智能理论以及与之和谐适配的泛逻辑理论和因素空间数学理论，

人类智能是否能迁移到人工智能，人工智能是否能接近或达到人类智能？这些问题一直备受争议。本书基于语境的适应性表征方法论，系统地探讨了人工智能的适应性表征范畴架构，人工智能的逻辑主体、搜索主体、学习主体、决策主体和问题-解决主体的适应性表征特征，以及人工智能适应性表征的语境建构及其哲学、伦理问题和未来走向，力图论证这样一种

本书系统解析DeepSeek大模型的技术架构与应用生态，构建技术认知-环境搭建-领域攻坚三维能力体系。第1部分从人工智能技术演进切入，剖析深度学习、Transformer架构及大模型革命的技术哲学，详解开发环境配置、API调用与智能系统构建方法论；第2部分聚焦6大核心场景，覆盖智能办公、数据可视化、数字内容生产、教育创

本书是一本专门为AI初学者撰写的入门指南，以备受关注的AI大模型DeepSeek为切入点，借助丰富的案例和通俗易懂的讲解，全面且系统地介绍有关AI的知识，帮助读者走出AI认知误区，逐步掌握AI应用技巧，进而抓住AI时代的机遇。本书不仅剖析了DeepSeek的特点和影响，还深入探讨AI在学习、生活、内容创作等多个领域的应

"《大模型核心技术与开发实践：基于Transformer、PyTorch及HuggingFace》系统地介绍大语言模型（LLM）的理论基础、实现方法及在多种场景中的应用实践。共分为12章，第1~3章介绍Transformer模型的基本架构与核心概念，包括编解码器的结构、自注意力机制、多头注意力的设计和工作原理；第4~6

本书从人工智能导论、人工智能编程基础、人工智能计算平台、人工智能网络环境、人工智能基本技术、大模型及其应用技术、机器学习及其应用等七个维度布局内容。

本书共7章，第1章绪论，介绍人工智能的概念和发展简史，当前发展方向、研究热点，基本研究内容、所采用的研究方法；第2章讨论传统经典人工智能的知识表示、知识工程、搜索技术、群智能算法、知识图谱、专家系统和规划技术等基本知识；第3章介绍实践人工智能应用的编程语言Python；第4章以Scikit-learn为基础介绍机器学习

本书采用“理论+应用+操作实践”相结合的方式，深入浅出地介绍生成式人工智能及大模型的基础知识。书中精选典型案例，展示大模型在各行业的应用，并通过Transformer架构，详细解析生成式人工智能及大模型的核心原理与技术演进。此外，本书还通过文本生成、图像生成、视频生成等应用场景，指导读者学习AI工具的使用。本书体系完整

本书共分四个部分15章，全面系统地介绍了生成式AI的基础理论、核心技术、应用场景以及社会影响，既突出生成式人工智能技术，又重视AIGC应用，旨在为读者提供一个全面、深入且实用的学习平台，帮助读者快速掌握生成式人工智能的精髓及其在各领域的应用实践。