本書以知識表示與處理所涉及的相關(guān)知識，如知識獲取、知識表示、知識推理、知識遷移等內(nèi)容為主體，完整呈現(xiàn)了知識表示與處理的知識體系。本書首先，介紹了知識表示與處理的發(fā)展、相關(guān)概念、流程等；其次，介紹了知識獲取的內(nèi)容；再次，重點介紹了知識表示的各種方法，如邏輯謂詞、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、本體、知識圖譜等，以及知識推理所涉及的
本書系統(tǒng)性地介紹了深度學(xué)習(xí)的原理、關(guān)鍵技術(shù)及相關(guān)應(yīng)用，首先從基本概念、必備的線性代數(shù)、微積分、概率統(tǒng)計等數(shù)學(xué)知識等入手，這些預(yù)備知識可幫助讀者更好地理解深度學(xué)習(xí)技術(shù)。接著對深度學(xué)習(xí)方法和技術(shù)進行了詳細(xì)介紹，包括卷積神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)等，針對每個技術(shù)都力圖用簡單易懂的語言、詳盡的公式推導(dǎo)說
本書主要介紹構(gòu)建和訓(xùn)練生成對抗網(wǎng)絡(luò)（GAN）的方法。全書共12章，先介紹生成模型以及GAN的工作原理，并概述它們的潛在用途，然后探索GAN的基礎(chǔ)結(jié)構(gòu)（生成器和鑒別器），引導(dǎo)讀者搭建一個簡單的對抗系統(tǒng)。 本書給出了大量的示例，教讀者學(xué)習(xí)針對不同的場景訓(xùn)練不同的GAN，進而完成生成高分辨率圖像、實現(xiàn)圖像到圖像的轉(zhuǎn)換、生成對
周志華老師的《機器學(xué)習(xí)》（俗稱“西瓜書”）是機器學(xué)習(xí)領(lǐng)域的經(jīng)典入門教材之一。本書（俗稱“南瓜書”）基于Datawhale成員自學(xué)“西瓜書”時記下的筆記編著而成，旨在對“西瓜書”中重難點公式加以解析，以及對部分公式補充具體的推導(dǎo)細(xì)節(jié)。 全書共16章，與“西瓜書”章節(jié)、公式對應(yīng)，每個公式的推導(dǎo)和解析都以本科數(shù)學(xué)基礎(chǔ)的視角
演化學(xué)習(xí)作為機器學(xué)習(xí)中解決復(fù)雜優(yōu)化問題的重要方法，此前一直因為理論支撐不足未得到應(yīng)有重視。本書將介紹作者團隊近幾年在演化學(xué)習(xí)理論和算法方面取得的重要進展，彌補上述缺憾。本書內(nèi)容主要分四部分，第一部分簡要介紹演化學(xué)習(xí)基礎(chǔ)知識；第二部分講述演化算法中用于分析運行時和近似性能的通用理論工具；第三部分講解關(guān)于演化優(yōu)化中主要因素
知識圖譜的發(fā)展歷史源遠(yuǎn)流長，從經(jīng)典人工智能的核心命題——知識工程，到互聯(lián)網(wǎng)時代的語義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級別的現(xiàn)代知識圖譜。知識圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識表示、表示學(xué)習(xí)、自然語言處理、圖數(shù)據(jù)庫和圖計算等多個領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融
本書以數(shù)據(jù)驅(qū)動的數(shù)學(xué)問題研究為核心，是一部由研究工作構(gòu)成的原創(chuàng)著作。全書共分7章，按三個模塊劃分：第一個模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個導(dǎo)論；第二個模塊是粒度空間的基礎(chǔ)理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結(jié)構(gòu)聚類特征與融合，以及聚類結(jié)構(gòu)分析理論等研究；第三個模塊是粒度
本書為青少年人工智能編程水平測試C++4級官方指定教程,對應(yīng)青少年人工智能編程水平測試第4級的測試標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)主要用于測試青少年學(xué)習(xí)C++編程的初級水平。全書共有28課,主要圍繞測評大綱,用生動的案例來講解C++基礎(chǔ)知識,包括輸出、變量和常量、程序結(jié)構(gòu)、運算符、分支、循環(huán)、枚舉、函數(shù)、排序算法等。全書體系完整、結(jié)構(gòu)合理
本書以TensorFlow2深度學(xué)習(xí)的常用技術(shù)與真實案例相結(jié)合的方式,深入淺出介紹TensorFlow2深度學(xué)習(xí)的重要內(nèi)容。全書共7章,內(nèi)容包括深度學(xué)習(xí)入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡(luò)原理及實現(xiàn)、基于CNN的門牌號識別、基于LSTM的語音識別、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換等技術(shù),以及如何使用Ti
本書分八章，內(nèi)容包括：深度學(xué)習(xí)簡介、搭建深度學(xué)習(xí)開發(fā)環(huán)境、數(shù)字圖像處理技術(shù)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)、圖像合成等。
本書致力于推動人工智能的普及教育，結(jié)合最新的人工智能科學(xué)技術(shù)的發(fā)展成果，使用通俗易懂的語言深入淺出地介紹了人工智能的相關(guān)知識，重點介紹了人工智能的孕育、人工智能的誕生、人工智能的復(fù)蘇、人工智能的高速發(fā)展、人工智能的應(yīng)用分支和哲學(xué)與思考等方面，在每章節(jié)后都有與之對應(yīng)的章節(jié)習(xí)題，供學(xué)習(xí)者學(xué)習(xí)，以強化學(xué)生解決問題的能力。
場景化機器學(xué)習(xí)
《人工智能簡史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學(xué)科的所有領(lǐng)域，包括人工智能的起源、自動定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語言處理、遺傳算法、深度學(xué)習(xí)、強化學(xué)習(xí)、超級智能、哲學(xué)問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，
大部分TensorFlow教材應(yīng)用案例少，理論講解比較概括，學(xué)生數(shù)學(xué)基礎(chǔ)薄弱，對人工神經(jīng)網(wǎng)絡(luò)較難入門。本教材介紹TensorFlow的發(fā)展和特點后，通過案例詳細(xì)介紹TensorFlow的使用，著重細(xì)致地講解學(xué)生學(xué)習(xí)中遇到的難點，比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學(xué)生逐層遞進地掌握TensorFlow，最后
本書主要內(nèi)容包括機器學(xué)習(xí)介紹，NumPy、Pandas、SciPy庫、Matplotlib（可視化）四個基礎(chǔ)模塊，Scikit-learn算法、模型、擬合、過擬合、欠擬合、模型性能度量指標(biāo)、數(shù)據(jù)標(biāo)準(zhǔn)化、非線性轉(zhuǎn)換、離散化，以及特征抽取和降維的各種方法，包括特征哈希、文本特征抽取、特征聚合等。全書通過實用范例和圖解形式講
機器學(xué)習(xí)是計算機科學(xué)與人工智能的重要分支領(lǐng)域.本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機器學(xué)習(xí)基礎(chǔ)知識的各方面.全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機器學(xué)習(xí)的基礎(chǔ)知識；第2部分（第4～10章）討論一些經(jīng)典而常用的機器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度
本書從概念和數(shù)學(xué)原理上對人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識別、語音識別、自然語言處理、深度學(xué)習(xí)幾個主要方面進行了闡述，并以Python為主要工具進行了相應(yīng)的編程實踐，以使讀者對人工智能相關(guān)技術(shù)有更直觀和深入的理解。此外，本書也用幾個獨立的章節(jié)從原理和實踐上介紹了量子計算、區(qū)塊鏈技術(shù)、并行計算、增強現(xiàn)實等與人工智能
人工智能到底是什么？人工智能可以做什么？人工智能未來發(fā)展將面臨什么樣的問題？本書將深入淺出地為你講述人工智能那些事兒，包括人工智能的歷史、人工智能的核心概念與關(guān)鍵技術(shù)、人工智能思維與各類應(yīng)用，以及人工智能未來的發(fā)展趨勢，等等。所有你想了解的，書中可能都會涉及，即使從未接觸過人工智能的人，通過閱讀本書，也能對人工智能有一
類腦人工智能是研究、開發(fā)用于模擬、延伸和擴展人腦智能的理論、方法及應(yīng)用的技術(shù)科學(xué)，將類腦人工智能技術(shù)應(yīng)用于目標(biāo)檢測與跟蹤，可大幅提升復(fù)雜背景、干擾條件下的目標(biāo)檢測概率及跟蹤精度，具有重要而廣泛的應(yīng)用前景。本書系統(tǒng)闡述了人腦視覺信息處理機制的基本原理、主要特性、數(shù)學(xué)建模及算法設(shè)計等。同時，結(jié)合深度神經(jīng)網(wǎng)絡(luò)（DNN）、類腦
本書的目標(biāo)，是讓非機器學(xué)習(xí)領(lǐng)域甚至非計算機專業(yè)出身但有學(xué)習(xí)需求的人，輕松地掌握機器學(xué)習(xí)的基本知識，從而擁有相關(guān)的實戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學(xué)習(xí)機器學(xué)習(xí)的對話展開，內(nèi)容輕松，實戰(zhàn)性強，主要包括機器學(xué)習(xí)快速上手路徑、數(shù)學(xué)和Python基礎(chǔ)知識、機器學(xué)習(xí)基礎(chǔ)算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡(luò)、卷積
書單推薦
