本書是面向高級(jí)人工智能人才培養(yǎng)的高等學(xué)校人工智能相關(guān)專業(yè)規(guī)劃教材中的一本，通過梳理人工智能涉及的相關(guān)數(shù)學(xué)理論，并通過Python實(shí)現(xiàn)相關(guān)案例，使抽象的理論具體化，從而加深讀者對(duì)數(shù)學(xué)的感性認(rèn)識(shí)，提高讀者對(duì)數(shù)學(xué)理論的理解能力。本書首先介紹了人工智能所需的基礎(chǔ)數(shù)學(xué)理論，然后根據(jù)數(shù)學(xué)內(nèi)容的邏輯順序，以微積分、線性代數(shù)、概率論、
本書由全球知名的3位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學(xué)習(xí)領(lǐng)域奠基性的經(jīng)典教材。全書的內(nèi)容包括3個(gè)部分：第1部分介紹基本的數(shù)學(xué)工具和機(jī)器學(xué)習(xí)的概念，它們是深度學(xué)習(xí)的預(yù)備知識(shí)；第2部分系統(tǒng)深入地講解現(xiàn)今已成熟的深度學(xué)習(xí)方法和技術(shù)；第3部分討論某些具有前瞻性的
本書涵蓋人工智能概述、Python編程基礎(chǔ)、TensorFlow機(jī)器學(xué)習(xí)框架、機(jī)器學(xué)習(xí)算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)、TensorFlow高級(jí)框架、OpenCV開發(fā)與應(yīng)用等基礎(chǔ)知識(shí)，并介紹且搭建了計(jì)算機(jī)視覺中的手寫數(shù)字識(shí)別與人臉識(shí)別、自然語言處理中的語音識(shí)別與智能聊天機(jī)器人具體項(xiàng)目，還介紹并實(shí)踐了AI開放平臺(tái)的接入與
本書針對(duì)產(chǎn)業(yè)界在智能化過程中普遍面臨的數(shù)據(jù)不足問題，詳細(xì)地闡述了聯(lián)邦學(xué)習(xí)如何幫助企業(yè)引入更多數(shù)據(jù)、提升機(jī)器學(xué)習(xí)模型效果�；ヂ�(lián)網(wǎng)數(shù)據(jù)一般分布在不同的位置，受隱私保護(hù)法規(guī)限制不能共享，形成了“數(shù)據(jù)孤島”。聯(lián)邦學(xué)習(xí)像“數(shù)據(jù)孤島”之間的特殊橋梁，通過傳輸變換后的臨時(shí)變量，既能實(shí)現(xiàn)模型效果提升，又能確保隱私信息的安全。本書介紹了
機(jī)器學(xué)習(xí)雖然對(duì)改進(jìn)產(chǎn)品性能和推進(jìn)研究有很大的潛力，但無法對(duì)它們的預(yù)測(cè)做出解釋，這是當(dāng)前面臨的一大障礙�！犊山忉寵C(jī)器學(xué)習(xí)：黑盒模型可解釋性理解指南》書是一本關(guān)于使機(jī)器學(xué)習(xí)模型及其決策具有可解釋性的書。本書探索了可解釋性的概念，介紹了簡(jiǎn)單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點(diǎn)介紹了解釋黑盒模型的、與模型無關(guān)
本書是高等院校非自動(dòng)化類、工科或農(nóng)科相關(guān)專業(yè)的專業(yè)基礎(chǔ)課教材。共分七章，主要介紹了自動(dòng)控制系統(tǒng)的基本概念，控制系統(tǒng)在時(shí)域和復(fù)頻域中的數(shù)學(xué)模型及其動(dòng)態(tài)結(jié)構(gòu)圖的建立與化簡(jiǎn)的過程和方法；闡述了線性定�？刂葡到y(tǒng)的時(shí)域分析法、根軌跡分析法和頻域分析法以及控制系統(tǒng)設(shè)計(jì)和校正的基本方法；給出了非線性控制系統(tǒng)中常見的非線性特性對(duì)系統(tǒng)性
人工智能時(shí)代已經(jīng)來臨，這項(xiàng)技術(shù)正在改變?nèi)祟惖恼J(rèn)知和生活，也對(duì)社會(huì)各個(gè)領(lǐng)域產(chǎn)生了重大的影響。本書從理論基礎(chǔ)、商業(yè)落地、實(shí)戰(zhàn)場(chǎng)景、案例分析多個(gè)方面介紹人工智能，講述人工智能對(duì)農(nóng)業(yè)、金融、娛樂、醫(yī)療、營(yíng)銷、工業(yè)、教育等領(lǐng)域的影響。另外，為了迎合時(shí)代熱點(diǎn)，本書還分析了人工智能與5G、區(qū)塊鏈等前沿技術(shù)的融合及融合效果，使讀者了解
本書主要面向OpenCV領(lǐng)域的研究與開發(fā)人員，采用原理結(jié)合實(shí)戰(zhàn)的方式，介紹OpenCV4的機(jī)器學(xué)習(xí)算法模塊與深度神經(jīng)網(wǎng)絡(luò)模塊中的核心算法原理與C++編程實(shí)戰(zhàn)。全書共10章，第1~3章，介紹OpenCV4的基礎(chǔ)知識(shí)、基本圖像操作和機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)；第4~8章，介紹K-means、KNN、決策樹、隨機(jī)森林、Boosting
本書以知識(shí)表示與處理所涉及的相關(guān)知識(shí)，如知識(shí)獲取、知識(shí)表示、知識(shí)推理、知識(shí)遷移等內(nèi)容為主體，完整呈現(xiàn)了知識(shí)表示與處理的知識(shí)體系。本書首先，介紹了知識(shí)表示與處理的發(fā)展、相關(guān)概念、流程等；其次，介紹了知識(shí)獲取的內(nèi)容；再次，重點(diǎn)介紹了知識(shí)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(shí)圖譜等，以及知識(shí)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(jì)等數(shù)學(xué)知識(shí)等入手，這些預(yù)備知識(shí)可幫助讀者更好地理解深度學(xué)習(xí)技術(shù)。接著對(duì)深度學(xué)習(xí)方法和技術(shù)進(jìn)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(duì)抗網(wǎng)絡(luò)等，針對(duì)每個(gè)技術(shù)都力圖用簡(jiǎn)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(duì)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(gè)簡(jiǎn)單的對(duì)抗系統(tǒng)。 本書給出了大量的示例，教讀者學(xué)習(xí)針對(duì)不同的場(chǎng)景訓(xùn)練不同的GAN，進(jìn)而完成生成高分辨率圖像、實(shí)現(xiàn)圖像到圖像的轉(zhuǎn)換、生成對(duì)
周志華老師的《機(jī)器學(xué)習(xí)》（俗稱“西瓜書”）是機(jī)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(shí)記下的筆記編著而成，旨在對(duì)“西瓜書”中重難點(diǎn)公式加以解析，以及對(duì)部分公式補(bǔ)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(duì)應(yīng)，每個(gè)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(jī)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?yàn)槔碚撝尾蛔阄吹玫綉?yīng)有重視。本書將介紹作者團(tuán)隊(duì)近幾年在演化學(xué)習(xí)理論和算法方面取得的重要進(jìn)展，彌補(bǔ)上述缺憾。本書內(nèi)容主要分四部分，第一部分簡(jiǎn)要介紹演化學(xué)習(xí)基礎(chǔ)知識(shí)；第二部分講述演化算法中用于分析運(yùn)行時(shí)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(shí)圖譜的發(fā)展歷史源遠(yuǎn)流長(zhǎng)，從經(jīng)典人工智能的核心命題——知識(shí)工程，到互聯(lián)網(wǎng)時(shí)代的語義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級(jí)別的現(xiàn)代知識(shí)圖譜。知識(shí)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(shí)表示、表示學(xué)習(xí)、自然語言處理、圖數(shù)據(jù)庫和圖計(jì)算等多個(gè)領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識(shí)圖譜的表示、存儲(chǔ)、獲取、推理、融
本書以數(shù)據(jù)驅(qū)動(dòng)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(gè)模塊劃分：第一個(gè)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(gè)導(dǎo)論；第二個(gè)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(gè)模塊是粒度
本書為青少年人工智能編程水平測(cè)試C++4級(jí)官方指定教程,對(duì)應(yīng)青少年人工智能編程水平測(cè)試第4級(jí)的測(cè)試標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)主要用于測(cè)試青少年學(xué)習(xí)C++編程的初級(jí)水平。全書共有28課,主要圍繞測(cè)評(píng)大綱,用生動(dòng)的案例來講解C++基礎(chǔ)知識(shí),包括輸出、變量和常量、程序結(jié)構(gòu)、運(yùn)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(shí)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(shí)現(xiàn)、基于CNN的門牌號(hào)識(shí)別、基于LSTM的語音識(shí)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(jiǎn)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。
《數(shù)字媒體交互設(shè)計(jì)原理與方法》通過豐富的案例，系統(tǒng)地講解了數(shù)字媒體交互設(shè)計(jì)的基本原理和方法。本書共7章，主要講解了數(shù)字媒體交互設(shè)計(jì)的基礎(chǔ)知識(shí)、用戶體驗(yàn)、用戶研究方法，以及設(shè)計(jì)流程、設(shè)計(jì)工具和設(shè)計(jì)法則，由淺入深地帶領(lǐng)讀者逐步加深對(duì)數(shù)字媒體交互設(shè)計(jì)的認(rèn)知，提升自身工作能力。本書每一章的章末都附有同步模擬題及作業(yè)，以幫助讀者
本書致力于推動(dòng)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(shí)，重點(diǎn)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(duì)應(yīng)的章節(jié)習(xí)題，供學(xué)習(xí)者學(xué)習(xí)，以強(qiáng)化學(xué)生解決問題的能力。
書單推薦 新書推薦
