首页  |  活动  |  数学建模  |  数模图书
人工智能中的数学:基础与实验
高等教育出版社 黄廷祝 赵熙乐 蒋太翔 郑玉棒 李良2026-03-18
在人工智能领域,“表示”“计算”与“度量”被公认为三大核心问题,因为它们共同构成了AI系统处理信息的基础框架。简单来说,这三大问题覆盖了从数据输入到智能输出的全过程:表示解决“如何描述世界”,计算解决“如何处理信息”,度量解决“如何评估结果”。没有它们,AI就无法实现有效的学习、推理和决策。

编辑推荐:

作者团队本学期正在使用本教材教学。高等教育出版社会向选用该教材教学的老师提供配套PPT课件, 其他课程资源正在陆续更新, 授课视频等近期也会在中国大学MOOC上线。

教材简介:

本书是为高校开设“人工智能数学基础”等相关课程量身打造的创新教材,以“数学基础一模型构建一智能求解一前沿案例实验“为主线,凝练出表示、计算和度量三大基础问题,打通“数学基础→模型算法→工程实验"的学习壁垒,让理论不再“纸上谈兵”,让实践不再“无从下手”。

模块清晰

层层递进基础模块覆盖人工智能的数学表示、基础计算与度量,帮你筑牢根基:高阶模块紧跟前沿,详解矩阵分解及在数据压缩和大模型微调中的应用、回归分析、深度神经网络、优化算法、科学智能等热门专题,衔接产业需求。

氛围编程,实验友好

设计三级递进实验体系(入门测试题+基础实验+挑战性项目),创新采用“氛围编程”模式,帮你摆脱烦琐的代码记忆,轻松上手实践,兼顾实践能力与创新能力培养。

资源丰富,适配性强

配套课件、课程视频、入门测试、基础实验、挑战性项目等学习与评价资源;适配普通高等学校理工科各专业,本科一、二年级打基础,高年级拓前沿,也适合相关研究者、系统开发人员参考学习。

专家推荐:

本书的核心价值在于体系的重构与本质的揭示。它摒弃了传统数学教材的旧有模式,从人工智能的“表示”“计算”与“度量”三大核心问题入手,对数学知识进行了系统性的解构与重组。这种顶层设计直击AI的本质,帮助读者迅速建立起“通过数学看AI”的思维框架。

        ——徐宗本,西安交通大学数学与统计学院教授,教育部大学数学课程教学指导委员会主任委员,中国科学院院士

本书对于全国高校加强人工智能教育,开设相关课程,将会是一个重大贡献,我诚挚推荐此书。该书充分反映出撰写团队为建设全新课程教材所进行的创造性设计和奉献,是一部引领性的人工智能基础教材,适合于理工类各专业,以及经管类各专业学生,值得向全国高校推荐。

——邓龙江,电子科技大学电子科学与工程学院教授,中国工程院院士


目录:


微信图片_20260318163530_23_468

目录1

目录2

目录2



章节选读:


样章1

样章1

样章2

样章2

样章3

样章3

样章4

样章4

样章5

样章5

样章6

样章6

样章7

样章7



作者简介:

黄廷祝,电子科技大学教授、博导,教育部大学数学课程教学指导委员会副主任委员。国家级教学名师、国务院政府特殊津贴专家、四川省学术和技术带头人、首批教育部新世纪优秀人才。科研领域为科学计算与人工智能,在IEEE T系列(PAMI、IP、AP、MTT等)、 SIAM J系列(SISC、SIIMS、SIMAX)、JCP、Automatica等期刊和国际顶会发表论文。获国家级教学成果一等奖两项、首届全国教材建设奖“教材建设先进个人奖”、四川省自然科学一等奖、四川省科技进步一等奖。课程教改成果入选第三批教育部“人工智能+高等教育”典型应用场景案例、2025全国高等教育数字教材应用典型案例。主持课程入选国家精品课、资源共享课、视频公开课、一流课程等,主编教材获全国优秀教材二等奖等。

赵熙乐,电子科技大学教授、博导, IEEE高级会员,国家高层次青年人才、四川省学术和技术带头人。研究方向为人工智能的数学方法与理论,在SIAM系列(SIIMS、SISC)和IEEE系列(TPAMI、TIP、TSP、TKDE等)及CVPR等发表研究成果。研究成果获四川省自然科学一等奖、四川省科技进步一等奖、教育部自然科学二等奖,解决产业中的真实问题,获华为“火花奖”。

蒋太翔,西南财经大学计算机学院教授、博导,四川省人工智能学会常务理事。主要研究兴趣为高维图像处理与计算成像问题,在Numer. Math.、IP、IEEE系列(TPAMI、TIP、TKDE、TNNLS)及CVPR等发表研究成果。获四川省自然科学三等奖、第九届计算数学优秀青年论文奖二等奖、首届川渝科技学术大会优秀论文一等奖等。

郑玉棒,西南交通大学信息学院副教授、硕导。主要从事人工智能中的表示、模型、算法及理论研究。发表学术论文40余篇,研究成果见于SIAM和IEEE系列汇刊以及人工智能领域顶会AAAI和CVPR等。主持国家自然科学基金项目和中国博士后科学基金特别资助项目。获教育部自然科学二等奖、四川省自然科学三等奖、川渝科技学术大会优秀论文一等奖等。

李良,电子科技大学教授、博导。从事大规模矩阵计算、基于AI的代理模型及工业软件研发。在JCP、IEEE-TAP、IEEE-TMTT等期刊发表论文。主持国家自然科学基金项目、四川省科技项目和华为、南方电网等横向项目,参与多项国家重点研发计划项目。获国家级教学成果一等奖、四川省自然科学一等奖。

人工智能浪潮席卷全球,而数学正是支撑AI技术落地的核心根基——从模型构建到智能求解,从数据压缩到大模型微调,每一步都离不开扎实的数学基础。

但很多高校师生、AI从业者在学习数学时,总陷入两大困境:要么啃得动纯理论,却不懂如何落地到工程实验;要么想做实验,却被烦琐的编程细节劝退,找不到一本能兼顾教学、自学与实践的教材。

两位院士作序推荐,学术价值与教学意义双重认证:

▪ 序一作者:徐宗本,西安交通大学数学与统计学院教授,教育部大学数学课程教学指导委员会主任委员,中国科学院院士。

▪ 序二作者:邓龙江,电子科技大学电子科学与工程学院教授,中国工程院院士。

图书信息:

作者:黄廷祝 赵熙乐 蒋太翔 郑玉棒 李良 著

定价:48.00元

ISBN:978-7-04-066628-1

出版时间:2026-02-24


640

[责任编辑:刘宇宏]
在人工智能领域,“表示”“计算”与“度量”被公认为三大核心问题,因为它们共同构成了AI系统处理信息的基础框架。简单来说,这三大问题覆盖了从数据输入到智能输出的全过程:表示解决“如何描述世界”,计算解决“如何处理信息”,度量解决“如何评估结果”。没有它们,AI就无法实现有效的学习、推理和决策。