內容簡介
本書注重對新一代人工智能相關理論和技術進行深入的原理講解,共計19章,囊括了深度學習的基礎理論、深度學習的優化問題、各種卷積操作、損失函數、經典的卷積神經網絡結構、目標識別和度量學習算法、深度學習目標檢測技術、圖像分割算法、生成對抗網絡、蒸餾學習、長尾學習技術、圖像增廣技術,以及大模型相關的Transformer技術、預訓練技術、大語言模型、視覺-語言模型及視覺大模型等技術。 本書既可作為高等學校人工智能、智能科學與技術、計算機科學與技術、數據科學與大數據技術等專業的教材,也可作為人工智能領域的科研人員、業界人士、高校教師和愛好者的參考書,以系統掌握新一代人工智能的相關理論和技術。作者簡介
張重生,1982年9月生,博士,教授,碩士生導師,河南大學大數據團隊帶頭人。研究領域為大數據分析、深度學習、數據挖掘、資料庫、實時數據分析。 博士畢業於INRlA,France(法國國家信息與自動化研究所),獲得優秀博士論文榮譽。2010年08月至2011年3月,在美國加州大學洛杉磯分校(UCLA)計算機系,師從Carlo Zaniolo教授進行流數據挖掘方面的研究。十多年來,一直從事資料庫、數據挖掘、大數據分析相關的研究,發表SCI/EI論文20篇,含Information Sciences、Neurocornputinq、lEEE ICDM、PAKDD、SSDBM等著名國際期刊和會議論文。作為項目負責人主持4項科研項目,出版學術著作三部,作為第一發明人獲得3項國家發明專利,指導碩士研究生12名。目錄
前言