本书深入探讨了在网络时代，专家系统在塑造社会信任方面的核心作用及其面临的困境。本书选取公共卫生事件作为研究的切入点，深入分析了专家系统对于风险社会中群体决策和舆论引导的重要性。书中不仅揭示了影响专家系统社会信任的内生和外生因素，而且详细讨论了当这种信任失效风险来临时可能引发的多方面负面效应，包括对媒体信任度、科学知识传

针对国内外推荐系统技术热点问题，作者在推荐系统、深度学习学科领域基础理论方面 从事多年深入探索研究，借鉴国内外已有资料和前人成果，经过分析论证，收集大量专 家学者近年来有关深度学习推荐系统前沿问题的论坛、讲座和报告等展开研究，围绕基 于内容和知识的推荐、混合推荐、深度学习、基于深度学习的推荐以及辅助学习的推荐 等五个方

本书讨论人工智能的理论和方法,我们从它的基本原理出发,由此构建它的理论和方法体系.本书由四部分组成,第一部分概论和算法,介绍并讨论了它们的类型、特征、运算和应用,重点讨论它们的定位问题.第二部分是学科,这就是人工智能和其他学科的关系问题.这些学科是生命科学、信息科学等六大学科.第三部分是系统和应用,其中典型的有图像、数

本书主要把握计算机科学与技术的发展趋势，熟悉人工智能的前沿知识和研究热点。本书从人工智能的概述出发，介绍了人工智能研究领域的基础知识，与此同时，对人工智能领域的核心算法--机器学习技术展开详细介绍，让读者掌握对相关技术的算法创新以及工程实践等。该教材紧密联系计算机学科中的人工智能前沿内容和所涉及的项目实践技术，读者通过

本书阐述了边缘智能的科学问题、基本原理、核心技术、落地方案及产业价值，全面介绍了人工智能服务应如何释放到数据源附近的网络边缘，并指出人工智能和边缘计算结合的巨大市场潜力。内容包括边缘智能的发展背景、应用场景、以及一系列边缘智能与云边端协同、机器学习、强化学习、深度学习、区块链等技术共同部署应用的核心技术点与架构方案。此

机器学习虽然在改进产品性能、产品流程和推进研究方面有很大的潜力，但仍面临一大障碍——计算机无法解释其预测结果。因此，本书旨在阐明如何使机器学习模型及其决策具有可解释性。本书探索了可解释性的概念，介绍了许多简单的可解释模型，包括决策树、决策规则和线性回归等。本书的重点是模型不可知方法，用于解释黑盒模型（如特征重要性和累积

在人工智能飞速发展的今天，大众对于这一前沿技术仍感神秘且难以窥探其深。为此，本书针对人工智能的核心问题进行了深入剖析，旨在帮助读者揭开其神秘面纱。本书的主要内容围绕以下问题展开：什么是人工智能？人工智能能否解释其决策？它能否承担法律责任？它是否具有代理权？人类应该保留对这类系统的何种控制权，是否取决于所做决策的类型？如

本书以统一而较简明的方式介绍人工智能算法在数值求解复杂系统中的基本方法及最新进展。首先从人工智能与机器学习的基础算法开始讲解，从最基础的反向传播神经网络模型开始，介绍一些经典的机器学习算法的基础及其原理。然后从一阶常微分方程初值问题引入，分别介绍了常微分方程、偏微分方程以及积分微分方程数值求解的经典算法。随后分别研究了

本书全面介绍TensorFlow2.x框架及其在深度学习中的应用，内容包括TensorFlow简介、Python语言基础、环境搭建与入门、TensorBoard可视化、多层感知机实现、卷积神经网络实现、循环神经网络实现、强化学习、迁移学习、生成对抗网络和GPU并行计算等。

本书详细阐述意图驱动自智网络的关键技术与应用实例。内容涵盖意图驱动自主智能网络的基础概念与背景，以及意图智能转译、意图闭环验证、自主策略生成、意图态势感知等意图环路技术。此外，探讨针对意图驱动智能运维、意图驱动网络负载均衡、意图驱动6G编排和意图驱动卫星网络管控等典型应用案例。