機(jī)器學(xué)習(xí)是一門涉及高等數(shù)學(xué)、線性代數(shù)、概率論、統(tǒng)計學(xué)和運籌學(xué)等領(lǐng)域的交叉學(xué)科。機(jī)器學(xué)習(xí)的基礎(chǔ)就是數(shù)學(xué)，這也就要求學(xué)習(xí)者要有良好的數(shù)學(xué)基礎(chǔ)。為了降低機(jī)器學(xué)習(xí)的學(xué)習(xí)門檻，本書深入淺出地對機(jī)器學(xué)習(xí)算法的數(shù)學(xué)原理進(jìn)行了嚴(yán)謹(jǐn)?shù)耐茖?dǎo)；并利用Python3對各種機(jī)器學(xué)習(xí)算法進(jìn)行復(fù)現(xiàn)，還利用介紹的算法在相應(yīng)數(shù)據(jù)集上進(jìn)行實戰(zhàn)。本書主要內(nèi)
本書通過分析最優(yōu)化理論和算法與機(jī)器學(xué)習(xí)的關(guān)系：最優(yōu)化理論和算法促進(jìn)了機(jī)器學(xué)習(xí)的發(fā)展，同時機(jī)器學(xué)習(xí)對最優(yōu)化的理論和求解方法也帶來了新的研究方向和研究方法。我們針對組合優(yōu)化問題，特別是NP問題,提出機(jī)器學(xué)習(xí)的求解方法，此類方法通過一些學(xué)習(xí)方法，結(jié)合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機(jī)器學(xué)習(xí)理論方法。 本書共分為六章，
本書系統(tǒng)介紹了作者近年來在分布式多智能體系統(tǒng)一致性協(xié)同控制領(lǐng)域的最新理論研究成果，其集中體現(xiàn)了該領(lǐng)域近年來最新的研究進(jìn)展與發(fā)展動態(tài)。圍繞系統(tǒng)復(fù)雜性、拓?fù)鋸?fù)雜性以及連接復(fù)雜性三個維度，分別介紹了基于合作、競爭以及合作與競爭關(guān)系的同質(zhì)、異質(zhì)多智能體復(fù)雜系統(tǒng)的一致性以及分組一致性協(xié)同控制等基本問題，為豐富和發(fā)展多智能體系統(tǒng)協(xié)
本書對智能任務(wù)的專家遴選與推薦問題進(jìn)行了較為深入、全面的研究。本書首先全面梳理了國內(nèi)外該領(lǐng)域的研究情況，總結(jié)出一個較為清晰的脈絡(luò)，對相關(guān)問題的定義、起源進(jìn)行了追溯，并有針對性地明確幾個研究問題的定義。然后，對作為研究試驗基礎(chǔ)的多學(xué)科知識結(jié)構(gòu)問題進(jìn)行了分析，并進(jìn)一步對學(xué)術(shù)論文引用預(yù)測及影響因素、專家興趣建模、面向主題覆蓋
本書主要內(nèi)容如下：時間依賴切換策略下切換隨機(jī)時滯系統(tǒng)的耗散輸出調(diào)節(jié)問題；誤差依賴切換策略下切換隨機(jī)時滯系統(tǒng)的耗散輸出調(diào)節(jié)問題；帶有交叉供給率的切換隨機(jī)時滯系統(tǒng)的輸出調(diào)節(jié)問題；切換時滯系統(tǒng)基于輸出增長無源性的輸出調(diào)節(jié)問題；基于無源性的切換隨機(jī)時滯系統(tǒng)的異步輸出調(diào)節(jié)問題等。
近20年來，復(fù)雜神經(jīng)網(wǎng)絡(luò)的建模與動力學(xué)行為研究已成為神經(jīng)科學(xué)、信息科學(xué)、非線性動力學(xué)等多學(xué)科交叉領(lǐng)域具有較大挑戰(zhàn)性的一個前沿性研究課題。因此，深入研究大規(guī)模神經(jīng)網(wǎng)絡(luò)的復(fù)雜動力學(xué)行為，探討大規(guī)模神經(jīng)網(wǎng)絡(luò)對外界輸入信號的興奮特性、同步特性和復(fù)雜網(wǎng)絡(luò)自身的穩(wěn)定性等，對于探索人腦的記憶、學(xué)習(xí)與思維方式和信息的處理能力將會提供有
隨著計算技術(shù)的飛速發(fā)展，人共智能似乎在頃刻之間就悄悄地來到我們身邊，一時間我們的周圍到處舞動著人工智能，令人眼花繚亂。從手機(jī)到3D打印，從谷歌眼鏡到全息投影，就連美圖APP一鍵整容都要依靠人工智能；而且，人工智能的快速發(fā)展超越人類的想象，一時間，人機(jī)交互、無人駕駛、虛擬現(xiàn)實等智能設(shè)備扎堆出現(xiàn)，智能機(jī)器人頻頻亮相。
TensorFlow大名鼎鼎，現(xiàn)在已經(jīng)更新了10多個版本，隨著版本的更新其接口和功能也越來越強大。尤其是TensorFlow的高階API接口，集成了很多算法和網(wǎng)絡(luò)模型，可以達(dá)到所用即所得的地步。但是由于各種原因，我們往往很少去了解如何使用這些高級API來進(jìn)行編程，解決自己的問題。因此本書旨在能夠以編程實踐為入手，按照實
本書是一本利用Python技術(shù)，結(jié)合人工智能、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)、遺傳算法等互聯(lián)網(wǎng)技術(shù)進(jìn)行相應(yīng)行業(yè)模型開發(fā)的技術(shù)圖書。本書第1～4章主要講解了利用Python軟件分析模型開發(fā)的入門知識，包括開發(fā)工具的使用、測試技術(shù)難點等內(nèi)容；第5～7章主要講解了利用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行技術(shù)研發(fā)，利用數(shù)據(jù)挖掘技術(shù)完善行業(yè)技術(shù)模型
人工智能與機(jī)器人創(chuàng)意設(shè)計賽為大學(xué)生提供一個創(chuàng)新創(chuàng)意展示平臺，旨在培養(yǎng)和鍛煉學(xué)生的自主學(xué)習(xí)能力、創(chuàng)新能力、工程實踐能力、團(tuán)隊合作能力等四個能力，為培養(yǎng)新一代卓越工程師提供平臺。該項比賽鼓勵新思路、新理論、新技術(shù)在機(jī)器人設(shè)計和人工智能應(yīng)用中的探索與創(chuàng)新，鼓勵學(xué)生進(jìn)行自己動手設(shè)計制作人工智能與機(jī)器人系統(tǒng)，提交論文到競賽組委會
不知不覺，人工智能已經(jīng)走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術(shù)。這些應(yīng)用的核心技術(shù)就是深度學(xué)習(xí)，也正是本書的核心內(nèi)容。 本書以TensorFlow為核心，分為3篇，共計15章節(jié)。第1篇是基礎(chǔ)篇（第1~5章），主要介紹什么是深度學(xué)習(xí)、深度學(xué)習(xí)的本質(zhì)是什么、深度學(xué)習(xí)所使用的教材和方法，以及深度學(xué)習(xí)
本書內(nèi)容涵蓋了人工智能的起源、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、專家系統(tǒng)、推薦系統(tǒng)、自然語言處理、智能圖像處理、智能機(jī)器人。本書可供從事人工智能研究領(lǐng)域的工程技術(shù)人員和科研人員閱讀。
全書分為人工智能基礎(chǔ)與智能機(jī)器人兩大部分，共17章。第一部分主要介紹人工智能的基本概念、知識工程、確定性推理、不確定性推理、搜索方法、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、進(jìn)化計算與群體智能、分布式人工智能等內(nèi)容。第二部分主要介紹智能機(jī)器人的定義和研究領(lǐng)域、機(jī)器人感知、移動機(jī)器人定位與建圖、移動機(jī)器人導(dǎo)航、機(jī)器人路徑規(guī)劃、多機(jī)器人系
本書從人工智能與人的生存這個大的命題出發(fā)，圍繞人工智能與人的生存、生活及發(fā)展這三個維度而展開，進(jìn)行了較為全面的論述，對人們?nèi)粘Ｉ钪械娜斯ぶ悄苓\用的一些困境和出路進(jìn)行了分析，帶有一定的人工智能知識的科普目的，以化解人工智能時代人們生存的憂慮，從而促進(jìn)人們以更加積極的心態(tài)、更充分的準(zhǔn)備應(yīng)對人工智能時代的到來。
本書從人工智能入手，以流行的深度學(xué)習(xí)算法作為科普的重點，用生活中常見的邏輯與方法例子類比人工智能貌似深奧的數(shù)學(xué)原理以提供普通讀者深入了解人工智能及機(jī)器學(xué)習(xí)的可能，例如用買零食的例子科普遺傳算法，用看醫(yī)生的例子類比專家系統(tǒng)，用給狗分類的實例類比深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，讓讀者在輕松的氛圍中學(xué)會人工智能。
近年來，人工智能技術(shù)已經(jīng)從實驗室走向大眾生活當(dāng)中，互聯(lián)網(wǎng)企業(yè)為了提升在行業(yè)的未來競爭力，也紛紛在AI各領(lǐng)域進(jìn)行布局。人工智能領(lǐng)域的爆發(fā)，同樣也對產(chǎn)品經(jīng)理提出新的挑戰(zhàn)。對于產(chǎn)品從業(yè)人員來說，人工智能時代需要了解哪些變化，也要學(xué)會堅守不變的原則。本書將以產(chǎn)品經(jīng)理角度出發(fā)，介紹人工智能發(fā)展歷史、AI基本知識、AI產(chǎn)品設(shè)計方法
《移動深度學(xué)習(xí)》由淺入深地介紹了如何將深度學(xué)習(xí)技術(shù)應(yīng)用到移動端運算領(lǐng)域，書中盡量避免羅列公式，嘗試用淺顯的語言和幾何圖形去解釋相關(guān)內(nèi)容。本書第1章展示了在移動端應(yīng)用深度學(xué)習(xí)技術(shù)的Demo，幫助讀者建立直觀的認(rèn)識；第2章至第4章講述了如何在移動端項目中應(yīng)用深度學(xué)習(xí)技術(shù)；第5章至第8章的難度略大，主要講述如何深入地調(diào)整框架
TensorFlow已經(jīng)成為機(jī)器學(xué)習(xí)的流行框架和工業(yè)屆標(biāo)準(zhǔn)，早期的TensorFlow以云端和數(shù)據(jù)中心中的機(jī)器學(xué)習(xí)為主，近期的一個趨勢是，逐漸向移動端和設(shè)備端轉(zhuǎn)移。推動這個趨勢的動力包括人們對機(jī)器學(xué)習(xí)理論和認(rèn)知的提高、算法及技術(shù)的改進(jìn)、軟件和硬件性能的提高，以及專有硬件的出現(xiàn)等，更主要的是，用戶的需求和越來越豐富的場景
本書以神經(jīng)網(wǎng)絡(luò)為線索，沿著從線性模型到深度學(xué)習(xí)的路線講解神經(jīng)網(wǎng)絡(luò)的原理和實現(xiàn)。本書將數(shù)學(xué)基礎(chǔ)知識與機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)緊密結(jié)合，包含線性模型的結(jié)構(gòu)與局限、損失函數(shù)、基于一階和二階信息的優(yōu)化算法、模型自由度與正則化、神經(jīng)網(wǎng)絡(luò)的表達(dá)能力、反向傳播與計算圖自動求導(dǎo)、卷積神經(jīng)網(wǎng)絡(luò)等主題，幫助讀者建立基于數(shù)學(xué)原理的較深刻的洞見和認(rèn)
本書用淺顯易懂的語言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實現(xiàn)圖片識別、文本翻譯、強化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)等多個目前*流行的深度學(xué)習(xí)應(yīng)用。書中基于目前流行的PyTorch框架，運用Python語言實現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實踐緊密結(jié)合。
書單推薦 新書推薦
