机器学习vs复杂系统 高清pdf+epub版[7MB]

《机器学习vs复杂系统》从跨学科视角来看待人工智能这个技术性的学科。围绕用数学模型预测未来这一主题，介绍算法，主要包括现在流行的机器学习和深度学习算法，以及算法要解决问题本身的复杂性。复杂的问题，需要复杂的算法，而算法设计背后的老师正是自然界的复杂性本身。

最终，我们上升到自然界解决复杂性最有利的工具，即人类智能本身，让读者从神经科学的角度再次理解人工智能这个大主题，理解神经科学是如何启发人工智能的，而人工智能又如何帮助我们理解人类智能本身。

《机器学习vs复杂系统》既适合具有高中以上数学知识的一般读者，作为他们了解人工智能和复杂系统领域的科普读物；也适合已经在人工智能领域工作的专业人士，使他们从工程视角之外的更大视角去看待这一领域，获得新的启发。

目录

第一部分 复杂性
1 复杂系统
2 用复杂网络看世界经济（阅读难度1星）
3 风险管理策略之复杂科学视角
4 从物理角度看复杂
第二部分 机器学习
5 白话机器学习（阅读难度1星）
6 浅谈贝叶斯分析
7 简单贝叶斯分类器（阅读难度1星）
8 决策树方法（阅读难度2星）
9 感知机：神经网络的基础（阅读难度3星）
10 降维：应对复杂的通用武器（阅读难度1星）
第三部分 神经网络
11 神经网络不神秘
12 CNN 的几个关键词（阅读难度3星）
13 时间序列与RNN
14 会遗忘的神经网络（阅读难度3星）
15 跟着AlphaGo 理解深度强化学习框架（阅读难度3星）
16 从阿尔法元看强化学习的更广阔潜力
第四部分 宇宙间最复杂的就是我们的大脑
17 深层视觉信息的编码机制（阅读难度1星）
18 大脑的自由能假说――兼论认知科学与机器学习（阅读难度2星）
19 大脑中的支持向量机（阅读难度3星）
20 机器学习是如何巧妙理解我们大脑的工作原理的
21 大脑经济学（阅读难度1星）
22 人工智能vs 人类智能（阅读难度2星）
第五部分 人工智能应用谈
23 人工智能会取代艺术家的工作吗
24 机器学习预测心理疾病
25 人机协作决策的两种方式
26 小数据机器学习
27 用深度学习玩图像的七重关卡
28 深度学习助力基因科技
29 机器学习对战复杂系统