本書系統(tǒng)介紹了視覺SLAM（同時定位與地圖構(gòu)建）所需的基本知識與核心算法，既包括數(shù)學(xué)理論基礎(chǔ)，如三維空間的剛體運動、非線性優(yōu)化，又包括計算機視覺的算法實現(xiàn)，例如多視圖幾何、回環(huán)檢測等。此外，我們還提供了大量的實例代碼供讀者學(xué)習(xí)研究，從而更深入地掌握這些內(nèi)容。本書可以作為對SLAM感興趣的研究人員的入門自學(xué)材料，也可以作
隨著決策環(huán)境日益復(fù)雜，決策問題的不確定性突顯。在不確定性條件下，如何借助定量工具分析決策者的主觀判斷，是一個值得研究的問題。證據(jù)推理作為一種面向不確定性信息融合的推理理論與方法，為解決不確定性多屬性決策問題提供了新的研究思路，即將搜集到的信息和個體經(jīng)驗作為判斷和推理的證據(jù)，通過融合證據(jù)信息對方案進(jìn)行評價和排序。本書從實
粒計算的方法理念是本書各章節(jié)貫穿的主線。第1章的討論針對粒計算涉及的概念，強調(diào)了粒的核心地位，設(shè)定了粒的形式化框架，該框架使給出的幾種粒的定義得到了統(tǒng)一。在第1章的基礎(chǔ)上，第2-7章分別利用粒中的數(shù)據(jù)信息，建立了不同的數(shù)據(jù)推理方法，包括粗糙數(shù)據(jù)推理以及用于描述粗糙數(shù)據(jù)聯(lián)系的討論、粗糙數(shù)據(jù)推理的精度分析、決策推理支撐下的
很多機器學(xué)習(xí)任務(wù)中具有多個沖突的目標(biāo)需要同時被優(yōu)化�；谌核阉鞑呗缘倪M(jìn)化算法在求解多目標(biāo)優(yōu)化問題領(lǐng)域得到了廣泛的應(yīng)用。多目標(biāo)機器學(xué)習(xí)在近幾年引起了廣泛的關(guān)注，并且得到快速的發(fā)展。但是多目標(biāo)機器學(xué)習(xí)在模型建立和優(yōu)化學(xué)習(xí)方面仍然存在很多瓶頸問題。本書工作圍繞多目標(biāo)機器學(xué)習(xí)新模型探索和多目標(biāo)學(xué)習(xí)算法設(shè)計展開。主要包括如下幾個
全套叢書規(guī)劃為十卷本，每一卷獨立成冊，圍繞一個學(xué)科展開。在每冊中，每一個章一個主題，每一節(jié)一部科幻作品（主要為科幻影視和科幻小說），每一節(jié)大體上分為三部分："科幻作品簡介"、"科學(xué)內(nèi)容透析"、"科學(xué)奇聞異事"。兼顧科學(xué)性與趣味性。主要選題包括：航空航天卷、心理學(xué)卷、地學(xué)卷、海洋學(xué)卷、生物科學(xué)卷、人體科學(xué)卷、軍事科學(xué)卷、
本書將帶你了解特征工程的完整過程，使機器學(xué)習(xí)更加系統(tǒng)、高效。你會從理解數(shù)據(jù)開始學(xué)習(xí)，機器學(xué)習(xí)模型的成功正是取決于如何利用不同類型的特征，例如連續(xù)特征、分類特征等。你將了解何時納入一項特征、何時忽略一項特征，以及其中的原因。你還會學(xué)習(xí)如何將問題陳述轉(zhuǎn)換為有用的新特征，如何提供由商業(yè)需求和數(shù)學(xué)見解驅(qū)動的特征，以及如何在自己
本書是由智能相對論創(chuàng)始人曾響鈴聯(lián)合旗下幾位資深分析師深入一線企業(yè)調(diào)研后，并結(jié)合行業(yè)發(fā)展現(xiàn)狀及未來發(fā)展趨勢預(yù)測完成的一本人工智能冷知識普及書籍。本書全面、詳盡地介紹了人工智能最先落地的幾個熱門領(lǐng)域：智能機器人、醫(yī)療服務(wù)業(yè)、教育、娛樂、健康等，覆蓋了人們接觸人工智能的各種場景，并對其背后的人工智能技術(shù)進(jìn)行深入淺出地解釋，是
本書共十一章，內(nèi)容包括：新單極時刻：美國在人工智能時代、向死而生與末世論：西方悲觀論及其批判、就業(yè)失重和社會撕裂：西方超人文化及其批判、人機合智：機器智能和人類智能的未來相處之道、眾智成城：用人本文化保障未來人工智能的發(fā)展安全、逆轉(zhuǎn)邊緣化：發(fā)展中國家與中國等。
面對科技的迅猛發(fā)展，我國政府制定了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升到國家戰(zhàn)略層面，并提出：人工智能產(chǎn)業(yè)要成為新的重要經(jīng)濟(jì)增長點，而且要在2030年成為世界主要人工智能創(chuàng)新中心，為躋身創(chuàng)新型國家前列和經(jīng)濟(jì)強國奠定重要基礎(chǔ)。讓認(rèn)知升級，讓智能重構(gòu)生活玩轉(zhuǎn)智能時代，搞懂人工智能的過去、現(xiàn)在及未來這本書就夠了！這本書
本書圍繞數(shù)據(jù)降維技術(shù)，分別針對線性降維和非線性降維兩種降維手段進(jìn)行廣泛而深入的討論。對于線性降維技術(shù)，本書介紹了常用的降維算法，并對線性降維與矩陣分解的等價性進(jìn)行了分析，在此基礎(chǔ)上提出了semi-NMF、OCA、IOCA、EOCA等改進(jìn)算法并進(jìn)行詳細(xì)的理論分析和實驗驗證。對于非線性降維算法，本書介紹了常用算法，包括流形
未來30年是“AI大革命”。在人工智能時代，我們的工作和生活發(fā)生了顛覆式改變。本書從人工智能如何重新定義工作出發(fā)，讓讀者了解到在人工智能時代，你是否會被人工智能取代？你的工作會發(fā)生哪些變化？你所處行業(yè)和所從事的工作將面臨哪些潛在的機遇和威脅？只有盡早了解人工智能的變革本質(zhì)，認(rèn)清人工智能對職業(yè)沖擊的規(guī)律，我們才能提前制定
近幾年，物聯(lián)網(wǎng)從誕生到迅速發(fā)展，受到了產(chǎn)業(yè)界及學(xué)術(shù)界的廣泛重視，并上升到國家戰(zhàn)略性新興產(chǎn)業(yè)的高度。本書對物聯(lián)網(wǎng)中的關(guān)鍵技術(shù)及其在眾多生產(chǎn)與生活領(lǐng)域中的應(yīng)用進(jìn)行了研究，主要內(nèi)容涵蓋了RFID技術(shù)、智能傳感器與無線傳感器網(wǎng)絡(luò)技術(shù)、物聯(lián)網(wǎng)通信與傳輸技術(shù)等。本書結(jié)構(gòu)合理，條理清晰，內(nèi)容豐富新穎，可供從事物聯(lián)網(wǎng)相關(guān)工作的研究人員
Python、TensorFlow、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)因人工智能的流行而成為當(dāng)下IT領(lǐng)域的熱門關(guān)鍵詞。本書首先介紹了Python及其常用庫Numpy、Matplotlib和Scipy的基本使用方法；其次介紹了TensorFlow的基本知識及使用方法；然后介紹了神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識以及神經(jīng)網(wǎng)絡(luò)基本應(yīng)用——感知機、線性回歸與
探索人工智能Ⅱ· 交叉應(yīng)用
“理解未來系列”一套共7本，本書是其中之一�！袄斫馕磥怼笔俏磥碚搲吭屡e辦的免費大型科普講座，它邀請知名科學(xué)家用通俗的語言解讀*激動人心的科學(xué)進(jìn)展，旨在傳播科學(xué)知識，提高大眾對科學(xué)的認(rèn)知。本套叢書是精選的部分現(xiàn)場講座的文字整理，然后按照不同學(xué)科歸類分冊。
創(chuàng)新高端科技資源科普化的創(chuàng)作模式，組建由"前沿科技工作者"+"有科研背景的科普創(chuàng)作者"組成的"1+1"合作模式，將最前沿的科技成果用通俗、擬人的創(chuàng)作模式文字化，形成相關(guān)圖書產(chǎn)品。通過生動的介紹重點闡述這六家國家實驗室的研究對我們今后未來多方面的影響，同時介紹一些科研工作者的科學(xué)精神，從而激發(fā)讀者對科技創(chuàng)新的理解和參與感
近年來，時滯神經(jīng)網(wǎng)絡(luò)在圖像處理、模式識別、聯(lián)想記憶、信號處理、全局優(yōu)化和保密通信等領(lǐng)域得到廣泛的應(yīng)用，慣性項的添加不僅可以使得神經(jīng)網(wǎng)絡(luò)算法收斂速度加快，而且會帶來更豐富的動力學(xué)行為。本書主要對不同情況下的時滯慣性神經(jīng)網(wǎng)絡(luò)，從兩個方面即自治系統(tǒng)以及非自治系統(tǒng)下平衡點的全局穩(wěn)定性以及自治系統(tǒng)周期解的局部穩(wěn)定性、Hopf分岔
群體智能優(yōu)化算法是模擬自然生物種群智能行為的優(yōu)化方法，具有良好的尋優(yōu)性能，因此群體智能算法在求解大規(guī)模復(fù)雜問題時，具有較高的效率。本書在群體智能的基礎(chǔ)上，針對智能優(yōu)化算法、聚類算法、復(fù)雜網(wǎng)絡(luò)和樸素貝葉斯分類進(jìn)行理論研究和應(yīng)用研究。
本書是一本機器學(xué)習(xí)算法方面的理論+實踐讀物，主要包含機器學(xué)習(xí)基礎(chǔ)理論、回歸模型、分類模型、聚類模型、降維模型和深度學(xué)習(xí)模型六大部分。機器學(xué)習(xí)基礎(chǔ)理論部分包含第1、2章，主要介紹機器學(xué)習(xí)的理論基礎(chǔ)和工程實踐基礎(chǔ)。第3章是回歸模型部分，主要包括模型的建立、學(xué)習(xí)策略的確定和優(yōu)化算法的求解過程，最后結(jié)合三種常見的線性回歸模型實
這是一本場景式的機器學(xué)習(xí)實踐書，筆者努力做到“授人以漁，而非授人以魚”。理論方面從人工智能（AI）與機器學(xué)習(xí)（ML）的基本要素講起，逐步展開有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)這三大類模型的應(yīng)用場景與算法原理；實踐方面通過金融預(yù)測、醫(yī)療診斷概率模型、月球登陸器、圖像識別、寫詩機器人、中國象棋博弈等案例啟發(fā)讀者將機器學(xué)習(xí)應(yīng)用
書單推薦
