阿爾法狗接連打敗李世石、柯潔，無人駕駛汽車從科幻慢慢變?yōu)楝F(xiàn)實(shí)，人工智能正在全世界如火如荼地“跑馬圈地”。我們正在被一個(gè)的以智能技術(shù)為核心驅(qū)動力的新型社會裹挾著前行。 隨著智能時(shí)代的來臨，每個(gè)企業(yè)和個(gè)人都在經(jīng)受著的挑戰(zhàn)，但挑戰(zhàn)與機(jī)遇并存，我們要積極探索，緊跟前沿，才能在這波智能化浪潮中不致被淘汰。 本書通過豐富鮮活的
TensorFlow是谷歌2015年開源的主流深度學(xué)習(xí)框架，目前已得到廣泛應(yīng)用。本書為TensorFlow入門參考書，旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學(xué)習(xí)。書中省略了煩瑣的數(shù)學(xué)模型推導(dǎo)，從實(shí)際應(yīng)用問題出發(fā)，通過具體的TensorFlow示例介紹如何使用深度學(xué)習(xí)解決實(shí)際問題。書中包含深度學(xué)習(xí)的
本書以MATLABR2016a為平臺，通過專業(yè)技術(shù)與大量典型實(shí)例相結(jié)合，介紹了各種典型網(wǎng)絡(luò)的訓(xùn)練過程和實(shí)際應(yīng)用。全書共27個(gè)案例，從實(shí)用角度出發(fā)，詳盡地講述感知器網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)及自組織神經(jīng)網(wǎng)絡(luò)等內(nèi)容，擴(kuò)展介紹神經(jīng)網(wǎng)絡(luò)在其他工程領(lǐng)域的實(shí)際應(yīng)用。本書可作為科研人員及工程技術(shù)人
本書全面地介紹了人工智能的主要理論、技術(shù)和方法，主要包括：搜索策略、確定性推理、不確定性推理、專家系統(tǒng)、機(jī)器學(xué)習(xí)、自然語言理解和遺傳算法。本書著重展現(xiàn)人工智能技術(shù)的基礎(chǔ)方法和理論，同時(shí)引入了人工智能技術(shù)在機(jī)器人領(lǐng)域的研究應(yīng)用實(shí)例，為讀者知識進(jìn)階作鋪墊。 本書內(nèi)容豐富，深入淺出，通俗易懂，以基礎(chǔ)理論為主，兼顧實(shí)用技術(shù)，
粒計(jì)算是當(dāng)前人工智能研究領(lǐng)域中模擬人類思維和解決復(fù)雜問題的新理論與新方法，它涵蓋了所有有關(guān)粒度的理論、方法和技術(shù)，是研究大規(guī)模復(fù)雜問題求解、大數(shù)據(jù)分析與挖掘、不確定性智能信息處理的有力工具。經(jīng)過十多年的發(fā)展，在與多學(xué)科交叉研究過程中，粒計(jì)算正逐步形成其特有的研究體系和內(nèi)容。本書介紹了粒計(jì)算的不確定性分析與知識獲取方法的
書從多維數(shù)組Tensor開始，循序漸進(jìn)地帶領(lǐng)讀者了解PyTorch各方面的基礎(chǔ)知識，并結(jié)合基礎(chǔ)知識和前沿研究，帶領(lǐng)讀者從零開始完成幾個(gè)經(jīng)典有趣的深度學(xué)習(xí)小目，包括GAN生成動漫頭像、AI濾鏡、AI寫詩等。本書沒有簡單機(jī)械地介紹各個(gè)函數(shù)接口的使用，而是嘗試分門別類、循序漸進(jìn)地向讀者介紹PyTorch的知識，希望讀者對Py
本書由TensorLayer創(chuàng)始人領(lǐng)銜，TensorLayer主要開發(fā)團(tuán)隊(duì)傾力打造而成。內(nèi)容不僅覆蓋了人工神經(jīng)網(wǎng)絡(luò)的基本知識，如多層感知器、卷積網(wǎng)絡(luò)、遞歸網(wǎng)絡(luò)及增強(qiáng)學(xué)習(xí)等，還著重講解了深度學(xué)習(xí)的一些新的技術(shù)，如生成對抗網(wǎng)絡(luò)、學(xué)習(xí)方法和實(shí)踐經(jīng)驗(yàn)，配有許多應(yīng)用及產(chǎn)品的實(shí)例。讀者可從零開始掌握深度學(xué)習(xí)技術(shù)，以及使用Tenso
《深入淺出強(qiáng)化學(xué)習(xí)：原理入門》用通俗易懂的語言深入淺出地介紹了強(qiáng)化學(xué)習(xí)的基本原理，覆蓋了傳統(tǒng)的強(qiáng)化學(xué)習(xí)基本方法和當(dāng)前炙手可熱的深度強(qiáng)化學(xué)習(xí)方法。開篇從*基本的馬爾科夫決策過程入手，將強(qiáng)化學(xué)習(xí)問題納入到嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)框架中，接著闡述了解決此類問題*基本的方法動態(tài)規(guī)劃方法，并從中總結(jié)出解決強(qiáng)化學(xué)習(xí)問題的基本思路：交互迭代策略評
本書系統(tǒng)總結(jié)了集對分析在人工智能理論和技術(shù)研究的階段性成果，共12章。第1、2章為集對分析基本概念、基本理論和**進(jìn)展的介紹，第3章是人工智能基礎(chǔ)和前沿集對分析，第4～12章依次介紹集對分析在模式識別、不確定性推理、智能決策、知識生態(tài)學(xué)、自然語言和人類語言理解、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、智能工程和智能社會中的應(yīng)用。本書內(nèi)容豐
內(nèi)容簡介 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(diǎn)，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(qiáng)國奠定重要基礎(chǔ)。 《人工智能》一書由騰訊一流團(tuán)隊(duì)與工信部高端智庫傾
TensorFlow是近年來影響較大的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)平臺，《零起點(diǎn)TensorFlow快速入門》以生動活潑的語言，從入門者的角度，對TensorFlow進(jìn)行介紹，書中包含大量簡單風(fēng)趣的實(shí)際案例，如孤獨(dú)的神經(jīng)元、梵高畫風(fēng)等，讓廣大初學(xué)者快速掌握神經(jīng)網(wǎng)絡(luò)的基本編程，為進(jìn)一步學(xué)習(xí)人工智能奠定扎實(shí)的基礎(chǔ)。
深度學(xué)習(xí)如今已經(jīng)成為了科技領(lǐng)域*炙手可熱的技術(shù)，在本書中，我們將幫助你入門深度學(xué)習(xí)的領(lǐng)域。本書將從人工智能的介紹入手，了解機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)理論，并學(xué)習(xí)如何用PyTorch框架對模型進(jìn)行搭建。通過閱讀本書，你將會學(xué)習(xí)到機(jī)器學(xué)習(xí)中的線性回歸和logistic回歸，深度學(xué)習(xí)的優(yōu)化方法，多層全連接神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)
正在到來的第四次工業(yè)革命，是繼機(jī)械化、電氣化及信息化之后的一次大規(guī)模的智能化浪潮，將對人類生產(chǎn)、生活方式產(chǎn)生革命性的影響。本書以時(shí)間為主線，采用歷史案例未來趨勢解讀的形式，全面介紹第四次工業(yè)革命涉及的各個(gè)技術(shù)領(lǐng)域發(fā)展趨勢，包括時(shí)下*熱門的人工智能、無人駕駛、VR/AR、工業(yè)4.0、共享經(jīng)濟(jì)等；深入講解人類科技發(fā)展歷史的
本書討論了正在如火如荼進(jìn)行著的人工智能革命對人類工作方式和工作觀念的巨大影響。作者認(rèn)為不同于以往的歷次失業(yè)浪潮，這次人工智能造成的技術(shù)性失業(yè)對人類文化和文明進(jìn)程的影響將是深刻的，甚至是顛覆性的。同時(shí)，作者也探討了機(jī)器紅利對人口紅利的替代作用，并指出盡管如此，人仍然還是有人的用處，人類將與機(jī)器共存共榮，創(chuàng)造一種全新的經(jīng)濟(jì)
大數(shù)據(jù)時(shí)代的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)的作用日漸重要，受到了廣泛的關(guān)注。本書立足于工程應(yīng)用，將免疫智能計(jì)算方法引入機(jī)器學(xué)習(xí)領(lǐng)域，致力于研究基于生物免疫原理的機(jī)器學(xué)習(xí)軟計(jì)算方法，以免疫計(jì)算智能的基本原理為線索，對其研究狀況加以系統(tǒng)性的論述，從理論、算法構(gòu)建及工程應(yīng)用等方面對免疫機(jī)器學(xué)習(xí)進(jìn)行介紹和分析。針對關(guān)聯(lián)規(guī)則挖掘、數(shù)據(jù)分
機(jī)器學(xué)習(xí)需要一條脫離過高理論門檻的入門之路。本書《機(jī)器學(xué)習(xí)篇》從小紅帽采蘑菇的故事開篇，介紹了基礎(chǔ)的機(jī)器學(xué)習(xí)分類模型的訓(xùn)練（第1章）。如何評估、調(diào)試模型？如何合理地發(fā)掘事物的特征？如何利用幾個(gè)模型共同發(fā)揮作用？后續(xù)章節(jié)一步一步講述了如何優(yōu)化模型，更好地完成分類預(yù)測任務(wù)（第2章），并且初步嘗試將這些技術(shù)運(yùn)用到金融股票交易
本書內(nèi)容包括：知識重構(gòu)與抽象模型框架及其擴(kuò)展概述；業(yè)務(wù)流程模型與抽象相關(guān)概念；KRA模型框架的智能世界擴(kuò)展；業(yè)務(wù)流程的一般抽象模型框架；基于聚類技術(shù)的業(yè)務(wù)流程模型抽象。
本書以一位軟件工程師的轉(zhuǎn)型故事為線索，講述算法思維的建立及實(shí)踐。第1章主要講解如何從傳統(tǒng)的工程思維轉(zhuǎn)入算法思維，第2-5章分別闡述文本處理、視覺識別、Bot機(jī)器人、強(qiáng)化學(xué)習(xí)方向的算法實(shí)踐，第6章案例闡述預(yù)測與推薦的應(yīng)用。
《徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)及協(xié)同進(jìn)化學(xué)習(xí)》系統(tǒng)地介紹利用協(xié)同進(jìn)化理論優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基本理論與方法，共分為7個(gè)章節(jié)。**，提出基于合作型協(xié)同進(jìn)化的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，引入聚類層并以聚類后的隱節(jié)點(diǎn)群作為子種群進(jìn)行協(xié)同進(jìn)化操作。第二，提出基于協(xié)同覆蓋的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，并采用啟發(fā)式搜索改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)。第三，提
科學(xué)計(jì)算可視化（ScientificVisualization，SciVis）是計(jì)算機(jī)圖形學(xué)的一個(gè)重要研究方向，是圖形科學(xué)的新領(lǐng)域。隨著計(jì)算能力的不斷增強(qiáng)，科學(xué)數(shù)據(jù)中使用的物理模型以及模擬空間的大小都在不斷提高。本書嘗試性地將機(jī)器學(xué)習(xí)理論應(yīng)用于科學(xué)計(jì)算可視化中，大大提高了數(shù)據(jù)中特征識別的魯棒性和準(zhǔn)確率，同時(shí)結(jié)合流場數(shù)據(jù)
書單推薦 新書推薦
