Pytorch是基于python且具備強(qiáng)大GPU加速的張量和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，更是Python中優(yōu)先的深度學(xué)習(xí)框架，它使用強(qiáng)大的GPU能力,提供*大的靈活性和速度。本書指導(dǎo)讀者以Pytorch為工具在Python中學(xué)習(xí)深層強(qiáng)化學(xué)習(xí)(DQN)。主要內(nèi)容包括：強(qiáng)化學(xué)習(xí)概述及分類、強(qiáng)化學(xué)習(xí)的算法和實(shí)施方法、在Pytorch中實(shí)施

本書內(nèi)容主要包括機(jī)器學(xué)習(xí)的基本知識、基本學(xué)習(xí)方法、集成學(xué)習(xí)方法、深度學(xué)習(xí)方法和深度強(qiáng)化學(xué)習(xí)方法等內(nèi)容，將機(jī)器學(xué)習(xí)的經(jīng)典內(nèi)容與深度學(xué)習(xí)等前沿內(nèi)容有機(jī)地結(jié)合在一起，形成一套相對完整的知識體系，并在每個(gè)章節(jié)穿插相應(yīng)的應(yīng)用實(shí)例，使得廣大讀者不但能夠較好地掌握機(jī)器學(xué)習(xí)基本理論，而且能夠比較系統(tǒng)地掌握其應(yīng)用技術(shù)，為今后的工作和進(jìn)一

本書全面介紹神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基本概念、模型和方法，同時(shí)也涉及了深度學(xué)習(xí)中許多最新進(jìn)展，附錄中還提供了相關(guān)數(shù)學(xué)分支的簡要介紹，旨在讓讀者知其然還要知其所以然。

本書針對人工智能技術(shù)領(lǐng)域人才培養(yǎng)的需要，從實(shí)際應(yīng)用出發(fā)，以人工智能涉及的“會(huì)運(yùn)動(dòng)、會(huì)看懂、會(huì)聽懂、會(huì)思考”四方面為主線進(jìn)行編寫。本書采用理實(shí)一體的編寫方式，設(shè)置了5個(gè)學(xué)習(xí)情境，分別為認(rèn)識人工智能、運(yùn)動(dòng)系統(tǒng)的設(shè)計(jì)與應(yīng)用、視覺識別系統(tǒng)的設(shè)計(jì)與應(yīng)用、語音識別系統(tǒng)的設(shè)計(jì)與應(yīng)用和認(rèn)知系統(tǒng)的設(shè)計(jì)與應(yīng)用，循序漸進(jìn)地介紹了人工智能控制

《深度學(xué)習(xí)導(dǎo)論》講述了前饋神經(jīng)網(wǎng)絡(luò)、Tensorflow、卷積神經(jīng)網(wǎng)絡(luò)、詞嵌入與循環(huán)神經(jīng)網(wǎng)絡(luò)、序列到序列學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、無監(jiān)督神經(jīng)網(wǎng)絡(luò)模型等深度學(xué)習(xí)領(lǐng)域的基本概念和技術(shù)，通過一系列的編程任務(wù)，向讀者介紹了熱門的人工智能應(yīng)用，包括計(jì)算機(jī)視覺和自然語言處理等。 本書編寫簡明扼要，理論聯(lián)系實(shí)踐，每一章都包含習(xí)題以及補(bǔ)充閱

本書主要討論在智能經(jīng)濟(jì)的浪潮下，人工智能技術(shù)與區(qū)塊鏈技術(shù)的范式變革與產(chǎn)業(yè)應(yīng)用，以及如何從數(shù)字經(jīng)濟(jì)學(xué)視角理解智能經(jīng)濟(jì)發(fā)展的商業(yè)邏輯變化和它所帶來的商業(yè)認(rèn)知升級。全書包括從信息技術(shù)到智能經(jīng)濟(jì)、區(qū)塊鏈技術(shù)應(yīng)用與場景、人工智能技術(shù)應(yīng)用與場景、智能經(jīng)濟(jì)時(shí)代的商業(yè)趨勢四部分，共20講內(nèi)容。 本書通過跨學(xué)科研究，構(gòu)建了一整套認(rèn)知人工

隨著人工智能技術(shù)在越來越多的行業(yè)中應(yīng)用，諸多問題也隨之而來，最主要的問題在于人工智能技術(shù)與行業(yè)的結(jié)合深度不足。在大多數(shù)情況下，人工智能技術(shù)只能解決表層的行業(yè)問題，對于深層的業(yè)務(wù)問題賦能不足。當(dāng)前急需探索人工智能技術(shù)與行業(yè)結(jié)合的方法與模式。本書結(jié)合了筆者構(gòu)建人工智能產(chǎn)品的實(shí)際經(jīng)驗(yàn)，從人工智能產(chǎn)品流程、行業(yè)能力模型、人工智

本書收錄了《認(rèn)知物聯(lián)網(wǎng)中基于障礙物感知的機(jī)會(huì)數(shù)據(jù)傳輸策略》《圖數(shù)據(jù)流上的子圖查詢》《基于類間稀疏結(jié)構(gòu)保持的鑒別回歸方法》《智能導(dǎo)學(xué)系統(tǒng)中基于有效非負(fù)矩陣分解的學(xué)習(xí)成績預(yù)測》等。

本書是英國著名理論天文學(xué)家、數(shù)學(xué)家、前英國皇家學(xué)會(huì)會(huì)長、《DK宇宙大百科》作者馬丁?里斯（MartinRees）的最新力作。 生物技術(shù)、網(wǎng)絡(luò)技術(shù)、機(jī)器人技術(shù)和人工智能的進(jìn)步——如果我們能夠明智地加以追求和應(yīng)用——將使我們能夠促進(jìn)發(fā)展中國家和發(fā)達(dá)國家的發(fā)展，并克服人類在地球上面臨的威脅，從氣候變化到核戰(zhàn)爭。與此同時(shí)，太

隨著人工智能技術(shù)在各行業(yè)的應(yīng)用蓬勃發(fā)展，其已滲透社會(huì)及人們?nèi)粘Ｉ�活的方方面面，且在圖像分類、目標(biāo)識別、自然語言處理等領(lǐng)域顯示了良好的效果和前景。但是，人工智能及其分支技術(shù)有一些特定的脆弱性，在某些場景下容易受到欺騙和攻擊，若不對此采取一定措施，就有可能造成嚴(yán)重的后果。本書通過介紹針對圖像分類的對抗技術(shù)，描述了深度神經(jīng)網(wǎng)