買這商品的人也買了...
-
$500$390 -
$880$695 -
$474$450 -
$520$390 -
$980$774 -
$420$378 -
$539$512 -
$600$468 -
$653機器學習圖解
-
$720$562 -
$474$450 -
$980$774 -
$254AI寫實人物繪畫關鍵詞圖鑒 Stable Diffusion版
-
$500Stable Diffusion AI 繪畫教學:文生圖+圖生圖+提示字+模型訓練+外掛程式應用
-
$680$537 -
$800$632 -
$534$507 -
$620$484 -
$680$537 -
$680$537 -
$857Unreal Engine 5 藍圖視覺化腳本遊戲開發完全學習教程
-
$594$564 -
$650$514 -
$505深度神經網絡高效計算:大模型輕量化原理與關鍵技術
-
$680$530
相關主題
商品描述
本書是一本人工智能通識課程教材,它有系統地介紹了多模態人工智能的基礎理論、關鍵技術及應用場景,
深入分析了多模態學習、多模態訓練、多模態大模型、多模態理解、多模態檢索、多模態生成、
多模態推理、多模態互動、多模態模型安全與可信等核心技術,旨在為讀者提供一個清晰、
全面的多模態人工智能的知識框架,從而幫助讀者更好地理解和應用多模態人工智能技術。
本書的出版有助於培養人工智能領域的科技人才,推動新質生產力發展,為建立科技強國提供支援。
本書適合高等院校電腦科學與技術和人工智能等專業的本科生、
研究生閱讀,也可供對多模態人工智能技術有興趣的工程師和研究人員參考。
目錄大綱
第1章 緒論
1.1 引言
1.2 基本術語
1.2.1 傳感器
1.2.2 模態
1.2.3 多模態
1.2.4 演算法模型
1.2.5 表徵學習
1.2.6 語義理解
1.2.7 遷移學習
1.2.8 內容生成
1.2.9 模態融合
1.2.10 模態對齊
1.2.11 多模態學習
1.3 發展歷程
1.4 應用現狀
1.5 小結
第2章 基礎知識
2.1 傳統機器學習
2.1.1 模型評估與選擇
2.1.2 線性模型
2.1.3 分類
2.1.4 回歸
2.2 深度學習
2.2.1 捲積神經網絡
2.2.2 循環神經網絡
2.2.3 Transformer
2.3 最佳化演算法
2.3.1 梯度下降演算法
2.3.2 反向傳播
2.4 應用領域
2.4.1 電腦視覺
2.4.2 自然語言處理
2.4.3 語音識別
2.5 小結
第3章 多模態學習
3.1 模態表示
3.1.1 文字模態表示
3.1.2 視覺模態表示
3.1.3 聲音模態表示
3.1.4 其他模態表示
3.1.5 多模態聯合表示
3.1.6 多模態協同表示
3.2 多模態融合
3.2.1 資料級融合
3.2.2 特徵級融合
3.2.3 目標級融合
3.2.4 混合式融合
3.3 跨模態對齊
3.3.1 明確對齊:無監督對齊和有監督對齊
3.3.2 隱式對齊:註意力對齊和語意對齊
3.4 多模態協同學習
3.4.1 基於平行資料的協同學習
3.4.2 基於非平行資料的協同學習
3.4.3 基於混合平行資料的協同學習
3.5 小結
第4章 多模態訓練
4.1 有監督訓練
4.1.1 視覺監督訓練
4.1.2 文本監督訓練
4.1.3 多模態監督訓練
4.2 自監督訓練
4.2.1 基於對比學習的自我監督訓練
4.2.2 基於遮罩學習的自我監督訓練
4.3 混合監督訓練
4.3.1 有監督與自監督的混合監督訓練
4.3.2 半監督混合監督訓練
4.4 小結
第5章 多模態大模型
5.1 基礎大模型
5.1.1 語言大模型
5.1.2 視覺大模型
5.1.3 語音大模型
5.1.4 多模態基礎大模型
5.2 大語言模型推理方法
5.2.1 提示學習
5.2.2 上下文學習
5.2.3 思維鏈
5.3 模型微調
5.3.1 LoRA
5.3.2 人類回饋強化學習
5.4 分佈式訓練
5.4.1 DeepSpeed
5.4.2 Megatron-LM
5.5 小結
第6章 多模態理解
6.1 圖像描述
6.1.1 描述方法
6.1.2 評價指標
6.2 影片描述
6.2.1 影片定位
6.2.2 影片描述
6.2.3 影片摘要生成
6.2.4 評價指標
6.3 視覺問答
6.3.1 問題定義
6.3.2 問答方法
6.3.3 評價指標
6.4 小結
第7章 多模態檢索
7.1 資料檢索
7.1.1 單模態資料與檢索
7.1.2 多模態資料與檢索
7.2 跨模態檢索
7.2.1 檢索方法
7.2.2 評價指標
7.3 交互式檢索
7.4 小結
第8章 多模態生成
8.1 影像生成
8.1.1 問題定義
8.1.2 生成方法
8.1.3 評價指標
8.2 視訊生成
8.2.1 問題定義
8.2.2 生成方法
8.2.3 評價指標
8.3 語音生成
8.3.1 問題定義
8.3.2 合成方法
8.3.3 前端處理
8.3.4 後端模型
8.3.5 評價標準
8.4 小結
第9章 多模態推理
9.1 知識圖譜推理
9.1.1 基於規則學習
9.1.2 基於路徑排序
9.1.3 基於表示學習
9.1.4 基於神經網絡學習
9.2 多模態推理
9.2.1 視覺問答
9.2.2 視覺常識推理
9.2.3 視覺語言導航
9.3 小結
第10章 多模態交互
10.1 穿戴式交互
10.1.1 交互方式
10.1.2 相關技術
10.1.3 智慧型穿戴設備
10.2 人機對話交互
10.2.1 語音識別
10.2.2 情感識別
10.2.3 語音合成
10.2.4 對話系統
10.3 聲場感知交互
10.3.1 動作識別
10.3.2 聲源定位
10.3.3 副語音訊息互動增強
10.3.4 音訊感知與識別
10.4 混合實境實物交互
10.4.1 靜態被動力觸覺
10.4.2 相遇型被動力觸覺
10.5 小結
第11章 多模態模型安全可信
11.1 模型的可解釋性
11.1.1 遷移學習
11.1.2 反向傳播與顯著性圖
11.1.3 特徵反演
11.1.4 敏感度分析
11.1.5 註意力機制
11.1.6 沙普利疊加解釋
11.2 人工智能倫理規範.
11.2.1 標準認定
11.2.2 科技倫理治理
11.2.3 行業自律
11.3 小結.
第12章 總結與展望
12.1 世界模型
12.2 情感計算
12.3 類腦智能
12.4 博弈智能
12.5 小結