邊緣AI正在改變計(jì)算機(jī)與真實(shí)世界的交互方式，讓物聯(lián)網(wǎng)設(shè)備可以使用過去由于成本、帶寬或功耗限制而被丟棄的絕大部分傳感器數(shù)據(jù)做出決策。通過嵌入式機(jī)器學(xué)習(xí)等技術(shù)，開發(fā)者可以捕捉人類直覺并將其部署至任何目標(biāo)——從超低功耗微控制器到嵌入式Linux設(shè)備。 這本實(shí)用指南為包括產(chǎn)品經(jīng)理和技術(shù)領(lǐng)導(dǎo)者在內(nèi)的工程專業(yè)人士提供了一個(gè)端到端
本書主要介紹了梯度下降和PyTorch的Autograd；訓(xùn)練循環(huán)、數(shù)據(jù)加載器、小批量和優(yōu)化器；二元分類器、交叉熵?fù)p失和不平衡數(shù)據(jù)集；決策邊界、評估指標(biāo)和數(shù)據(jù)可分離性等內(nèi)容。
本書共分為三部分，內(nèi)容包括：概述、基于輿情現(xiàn)象識(shí)別視角的網(wǎng)絡(luò)輿情預(yù)測、政府媒體在網(wǎng)絡(luò)輿情演化中的傳播力與影響力研究。具體內(nèi)容包括：緒論；相關(guān)理論與技術(shù)概述；面向非均衡事件子集的輿情反轉(zhuǎn)預(yù)測；網(wǎng)絡(luò)暴力類輿情事件演化及預(yù)測等。
本書在全面介紹生成式人工智能和ChatGPT應(yīng)用的同時(shí)，也幫助讀者對這兩項(xiàng)技術(shù)、架構(gòu)及使用方法進(jìn)行多方位理解，包括生成式人工智能的技術(shù)背景、開發(fā)過程和發(fā)展現(xiàn)狀。本書有助于展現(xiàn)生成式AI技術(shù)在不同行業(yè)中實(shí)現(xiàn)效益的創(chuàng)新應(yīng)用和潛在價(jià)值。最后，本書指出了各個(gè)行業(yè)中適合進(jìn)一步研究和發(fā)展的領(lǐng)域，這些領(lǐng)域在不久的將來將能夠借助生成式
本書分為基礎(chǔ)篇、中級(jí)篇和高級(jí)篇，主要介紹人工智能的原理和編程實(shí)現(xiàn)案例，內(nèi)容包括人工智能技術(shù)的發(fā)展過程，人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、優(yōu)化方法、正則化方法和訓(xùn)練方法，前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)的各種獲取方法和處理方法，大語言模型等。本書的編程部分從利用Python實(shí)現(xiàn)AI算法，過渡到利用高級(jí)框架keras，使讀
人工智能在音樂、美術(shù)、工業(yè)和科學(xué)等領(lǐng)域的創(chuàng)造性過程中發(fā)揮著非常重要的作用，特別是隨著大模型技術(shù)的發(fā)展，AI在藝術(shù)創(chuàng)作、工業(yè)設(shè)計(jì)、產(chǎn)品建模等領(lǐng)域發(fā)揮著越來越重要的作用，而虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)以及元宇宙等新概念、新模式正在改變著教育、醫(yī)療、購物等生產(chǎn)生活的方式。本書從AI生成模型出發(fā)，深入全面介紹AI創(chuàng)造所涉及的理論方法。而
本書主要介紹了人工智能平臺(tái)搭建、基于人工智能的機(jī)器系統(tǒng)應(yīng)用、基于人工智能的機(jī)器人場景應(yīng)用、基于人工智能的語音控制應(yīng)用和基于人工智能的機(jī)器視覺應(yīng)用五個(gè)項(xiàng)目。本書內(nèi)容緊跟新一代信息技術(shù)和人工智能主流技術(shù)的發(fā)展，以培養(yǎng)學(xué)生的人工智能技術(shù)應(yīng)用能力為目標(biāo)；以項(xiàng)目、任務(wù)為導(dǎo)向，將相關(guān)知識(shí)的講解貫穿在任務(wù)的實(shí)施過程中，強(qiáng)調(diào)職業(yè)教育教
本書系統(tǒng)地闡述了不完全信息和通信能力受限情形下幾類離散神經(jīng)網(wǎng)絡(luò)的多指標(biāo)狀態(tài)估計(jì)方法。全書共11章，主要涉及方差約束、H性能、橢球約束等指標(biāo)。具體包括：第1章緒論；基于狀態(tài)增廣方法，第2章至第4章給出了幾類離散時(shí)變神經(jīng)網(wǎng)絡(luò)的方差約束H狀態(tài)估計(jì)方法，揭示了隨機(jī)發(fā)生非線性、測量丟失、傳感器飽和、測量衰減以及事件觸發(fā)通信協(xié)議對
深度學(xué)習(xí)技術(shù)與應(yīng)用（TensorFlow版）
本書系統(tǒng)介紹了基于強(qiáng)化學(xué)習(xí)的多智能體協(xié)同技術(shù)，涉及進(jìn)化算法、納什均衡等相關(guān)主題，討論了基于強(qiáng)化學(xué)習(xí)的多智能體協(xié)同理論、一致性學(xué)習(xí)算法、基于協(xié)同Q學(xué)習(xí)算法的多智能體規(guī)劃技術(shù)等，研究了ICFA方法的優(yōu)越性，將計(jì)算時(shí)間和結(jié)果準(zhǔn)確性作為指標(biāo)進(jìn)行考核，在多機(jī)器人實(shí)時(shí)攜桿問題中驗(yàn)證了算法的有效性。并給出了針對多機(jī)器人協(xié)同問題的應(yīng)用
書單推薦 新書推薦
