会员
类脑智能：大脑情感学习模型的应用研究
更新时间：2023-06-19 16:45:57 最新章节：参考文献
书籍简介
类脑智能技术是当前国际重要的科技前沿，研究类脑智能技术对发展新型信息产业意义重大。本书介绍了一种新颖的类脑模型—大脑情感学习模型，并介绍了其学习算法、改进技术及应用。大脑情感学习模型根据哺乳动物大脑边缘系统的结构建立，在模拟生物智能行为上表现出了良好的自适应性能，模型结构简单，运算速度快。本书共9章，分为3篇：基础篇、改进篇和应用篇。基础篇主要介绍大脑情感学习模型的研究现状、神经生理学基础与学习算法；改进篇主要介绍大脑情感学习模型的改进技术，通过加入监督学习和竞争学习机制改进模型性能；应用篇主要介绍将改进的大脑情感学习模型用于混沌时间序列预测、疾病诊断、表情识别及人机情感交互等领域的例子。
上架时间：2023-04-01 00:00:00
出版社：电子工业出版社
上海阅文信息技术有限公司已经获得合法授权，并进行制作发行
最新章节
梅英
同类热门书
最新上架
- 会员《AIGC：让生成式AI成为自己的外脑》针对近期较为火热的AIGC技术及其相关话题，介绍AIGC的技术原理、专业知识和应用。全书共分为九章。第一章介绍AIGC技术的基本概念和发展历程；第二、三章介绍AIGC的基础技术栈和拓展技术栈；第四、五章分别讨论了AIGC技术在文本生成和图像生成两个领域的现状和前景；第六章列举了目前较为热门的AIGC技术应用；第七章描述了AIGC的上、中、下游产业链及未来前景计算机12.8万字
- 会员2023年以来，OpenAI相继发布了聊天机器人模型ChatGPT、新一代多模态大模型GPT-4等产品，以强大的能力俘获了大量用户，颠覆了用户对于AI的认知。本书以ChatGPT为中心，对ChatGPT的相关知识进行详细的讲解。本书共12章，前5章从ChatGPT概述、技术底座、内容变革、产业格局、商业展望5个方面对ChatGPT进行了解读，帮助用户全面了解ChatGPT，对其形成完整的认知。第6计算机12.8万字
- 会员ChatGPT作为人工智能领域的一大进步，引起了热议，其强大功能的背后离不开大模型的支持。大模型指的是参数规模超过千万的机器学习模型，主要应用于语音识别、计算机视觉等领域。本书聚焦大模型，对大模型的技术场景和商业应用展开详细叙述。本书主要从典型应用ChatGPT入手，探寻其背后支撑大模型的魅力。首先，本书对大模型的基础概念、产业格局、带来的新型商业模式进行讲解，展现了大模型的发展现状和商业化潜力。计算机13.2万字
- 会员全书从逻辑上共分3部分。第一部分由第1章和第2章组成，介绍深度学习的基础理论、MindSpore总体架构和编程基础。第二部分由第3～8章组成，介绍MindSpore框架各子系统的具体情况，包括数据处理、算子、神经网络模型开发、数据可视化组件MindInsight、推理、以及移动端AI框架MindSporeLite。第三部分由第9章和第10章组成，介绍使用MindSpore框架开发和训练的经典深度计算机13万字
- 会员Sora是一个文本生成视频工具，本书介绍了Sora在视频生成领域的巨大潜力。本书共9章，系统讲解人工智能的演进、Sora的应用实践、Sora深度解析、Sora的挑战与未来等。本书内容全面、图文并茂、经典易懂，适合想要学习Sora的初学者，以及想要学习文本生成文本、文本生成图片、文本生成视频等内容的人工智能爱好者、自媒体从业人员、短视频制作者、设计师、相关专业的企业和高校人员阅读。计算机3.2万字
- 会员这是一本从工程化角度讲解大语言模型的核心技术、构建方法与前沿应用的著作。首先从语言模型的原理和大模型的基础构件入手，详细梳理了大模型技术的发展脉络，深入探讨了大模型预训练与对齐的方法；然后阐明了大模型训练中的算法设计、数据处理和分布式训练的核心原理，展示了这一系统性工程的复杂性与实现路径。除了基座模型的训练方案，本书还涵盖了大模型在各领域的落地应用方法，包括低参数量微调、知识融合、工具使用和自主智计算机12.1万字
- 会员随着ChatGPT等大语言模型的迅速发展，大语言模型已经成为人工智能领域发展的快车道，不同领域涌现出各种强大的新模型。开发者想要独立构建、部署符合自身需求的大语言模型，需要理解大语言模型的实现框架和基本原理。本书梳理大语言模型的发展，首先介绍Transformer模型的基本原理、结构和模块及在NLP任务中的应用；然后介绍由只编码（Encoder-Only）到只解码（Decoder-Only）的技术计算机6.6万字
- 会员本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最计算机7.4万字