Искусственный интеллект. Экспертные системы. Интеллектуальные САПР и АСУП

Перед вами один из самых интересных учебников по машинному обучению — разделу искусственного интеллекта, изучающего методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения. Автор воздал должное невероятному богатству предмета и не упустил из виду объединяющих принципов. Читатель с первых страниц видит машинное обучение в действии, но без не нужных на первых порах технических деталей. По мере изучения предмета тщательно подобранные примеры, сопровождаемые иллюстрациями, постепенно усложняются. В книге описан широкий круг логических, геометрических и статистических моделей, затрагиваются и такие находящиеся на переднем крае науки темы, как матричная факторизация и анализ РХП. Особое внимание уделено важнейшей роли признаков. Устоявшаяся терминология дополняется введением в рассмотрение новых полезных концепций. В конце каждой главы приводятся ссылки на дополнительную литературу с авторскими комментариями. Благодаря всему этому книга задает новый стандарт изучения такой сложной дисциплины как машинное обучение.

Эта книга поможет читателю овладеть алгоритмами обучения с подкреплением (ОП) и научиться реализовывать их при создании самообучающихся агентов. В первой части рассматриваются различные элементы ОП, сфера его применения, инструменты, необходимые для работы в среде ОП. Вторая и третья части посвящены непосредственно алгоритмам. В числе прочего автор показывает, как сочетать Q-обучение с нейронными сетями для решения сложных задач, описывает методы градиента стратегии, TRPO и PPO, позволяющие повысить производительность и устойчивость, а также детерминированные алгоритмы DDPG и TD3. Читатель узнает о том, как работает техника подражательного обучения, познакомится с алгоритмами исследования на базе верхней доверительной границы (UCB и UCB1) и мета-алгоритмом ESBAS.

Идея обучения с подкреплением возникла десятки лет назад, но этой дисциплине предстояло пройти долгий путь, прежде чем она стала одним из самых активных направлений исследований в области машинного обучения и нейронных сетей. Сегодня это предмет интереса ученых, занимающихся психологией, теорией управления, искусственным интеллектом и многими другими отраслями знаний. Подход, принятый авторами книги, ставит акцент на практическое использования обучения с подкреплением. В первой части читатель знакомится с базовыми его аспектами. Во второй части представлены приближенные методы решения в условиях ограниченных вычислительных ресурсов. В третьей части книги обсуждается важность обучения с подкреплением для психологии и нейронаук.

Прочитав эту книгу, вы получите четкое представление о том, что такое глубокое обучение, когда его следует применять и каковы его ограничения. Авторы описывают стандартный рабочий процесс поиска решения задачи машинного обучения и рассказывают, как устранять часто возникающие проблемы. Всесторонне рассматривается использование Keras для решения самых разнообразных прикладных задач, в числе которых классификация и сегментация изображений, прогнозирование временных рядов, классификация текста, машинный перевод, генерация текста и многое другое. Опыт работы с Keras, TensorFlow или моделями глубокого обучения не требуется.

Монография представляет собой четвертый том серии книг, посвященных наиболее актуальным проблемам цифровизации гражданского оборота. «Искусственный интеллект» и технологии «искусственного интеллекта» становятся все более востребованными с экономической точки зрения. В то же время отношения по созданию данных результатов интеллектуальной деятельности и обороту исключительных прав на них не урегулированы действующим законодательством. Современное состояние доктрины и правоприменительной практики демонстрирует неразрешенность проблем, связанных с правовой квалификацией «искусственного интеллекта» и технологий «искусственного интеллекта», определением их правового режима, применением различных договорных конструкций по созданию этих инновационных нематериальных объектов и обороту исключительных прав на них. На базе анализа нормативного, доктринального и эмпирического материала, включая разбор конкретных судебных решений и практических ситуаций, было проведено исследование данных проблем, сделаны выводы и предложения по их решению. Позиция авторов обосновывается с учетом актуальных направлений развития законодательства, современных подходов правоприменительной практики к разрешению споров, связанных с созданием инновационных результатов интеллектуальной деятельности и распоряжением исключительными правами на них. Это позволяет использовать монографию руководителям правовых департаментов юридических лиц и органов государственной власти, представителям адвокатуры, нотариата и судейского сообщества, иным правоприменителям для обоснования принимаемых ими решений. Материал монографии основывается на комплексном анализе большого количества источников. Законодательство приведено по состоянию на 1 марта 2022 г.

В Вестнике РосНОУ (Серия: Сложные системы: модели, анализ и управление) подлежат публикации материалы, содержащие результаты теоретических и прикладных научных исследований, соответствующие темам выпусков. Вестник РосНОУ предназначается для профессорско-преподавательского состава высших учебных заведений, научных работников, специалистов-практиков, аспирантов и студентов.

Книга представляет собой введение в теорию алгоритмов принятия решений в условиях неопределенности, включая формулировки основных математических задач и методы их решения. Рассмотрены современные методы снижения вычислительной нагрузки и поиска оптимальных стратегий в различных сценариях – от простых регуляторов до стохастических многоагентных систем. Основное внимание уделяется планированию и обучению с подкреплением, хотя некоторые из представленных методов основаны на элементах обучения с учителем и оптимизации. Алгоритмы реализованы на языке программирования Julia.

Научный журнал "Информационные технологии и вычислительные системы" публикует материалы о новейших научно-технических и инновационных достижениях в области фундаментальных и прикладных исследований по широкому кругу проблем в сфере информационных технологий, вычислительных систем, интеллектуальных методов и систем управления. Журнал предназначен для научных сотрудников, инженеров и исследователей, работающих в рамках этой проблематики.

В учебном пособии системно, в полном объеме рассматриваются инновационные инструменты для создания всех видов маркетинговых коммуникаций на основе искусственного интеллекта и нейронных сетей. На многочисленных практических примерах демонстрируются создание контента и каналов коммуникации с использованием искусственного интеллекта и различных нейронных сетей, образовательные возможности на основе искусственного интеллекта, их внедрение в образовательную деятельность, обучение нейронных сетей, создание рекламной продукции с помощью нейронных сетей и др. Богато иллюстрировано.

Эта книга не похожа на большинство других учебников и руководств по глубокому обучению — в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину — благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию он глубоко освещает основополагающие идеи и фундаментальные основы глубокого обучения и нейронных сетей. Второй том посвящен нейронным сетям — быстро развивающемуся направлению машинного обучения.

Книга посвящена теории и численным методам гарантированного оценивания и аппроксимации множеств. Техника и математический аппарат интервального анализа строго обобщаются на процедуры работы с множествами. Впервые в монографической литературе детально рассматривается приложение разработанных методов к решению систем нелинейных уравнений и неравенств, задачам оптимизации, оценивания параметров и состояний, робастного управления и робототехники. Приводится подборка примеров и упражнений.