在這本書中，作者著力討論了幾種獲取機器學(xué)習和數(shù)據(jù)挖掘算法性能的相關(guān)知識的方法。作者展示了如何再次利用這些知識來選擇、組合、編撰和調(diào)整算法和模型，從而為數(shù)據(jù)挖掘提供更快、更有效的解決方案，幫助研究人員改進算法，并開發(fā)能夠自我改進的學(xué)習系統(tǒng)。本書的新版在舊版基礎(chǔ)上就內(nèi)容做了非常大的擴充。作者介紹了最新的自動機器學(xué)習方法，闡
208個干貨技巧，幫助您從入門到精通ChatGPT的案例應(yīng)用。208集教學(xué)視頻，手機掃碼即可邊看邊學(xué)，助您速成ChatGPT提問高手。隨書贈送：243款素材效果+247組AI繪畫提示詞。書中穿插兩條線，對AI提問和熱門提示詞進行詳細介紹。一條技巧線：介紹了ChatGPT的基礎(chǔ)用法、提問框架和高效提問的方法，幫助讀者快速
作為《自動控制原理》（第二版）（孫優(yōu)賢主編，書號：978-7-122-42524-9）的配套學(xué)習輔導(dǎo)書，本書緊緊圍繞自動控制原理的知識點進行編寫，內(nèi)容與體例均方便讀者自學(xué)。全書由9章正文與附錄組成。正文的9章與配套教材完全一致，分別為：概述、連續(xù)時間控制系統(tǒng)的數(shù)學(xué)模型、線性系統(tǒng)的時域分析法、連續(xù)時間控制系統(tǒng)的穩(wěn)定性與穩(wěn)
本書以通俗易懂的語言和有趣的插畫來解釋深度學(xué)習中的概念和方法,生動形象的插圖更容易幫助讀者理解和記憶。同時,書中指導(dǎo)讀者將自己的理解制作成短視頻,以加強學(xué)習效果。另外,書中還指導(dǎo)讀者在Colab平臺上進行實踐。 本書內(nèi)容全面,從基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等入門知識,到深度學(xué)習的應(yīng)用領(lǐng)域如計算機視覺、自然
數(shù)系的擴充始終貫穿于數(shù)學(xué)理論的發(fā)展之中. 本書利用交互式定理證明工具Coq,在Morse-Kelley公理化集合論形式化系統(tǒng)下, 給出中國科學(xué)與技術(shù)大學(xué)汪芳庭教授在其《數(shù)學(xué)基礎(chǔ)》中采用算術(shù)超濾分數(shù)構(gòu)造實數(shù)的機器證明系統(tǒng),包括超濾空間與算術(shù)超濾的基本概念、超濾變換以及用算術(shù)超濾構(gòu)造算術(shù)模型的形式化實現(xiàn),構(gòu)建了非標準實數(shù)模
本書主要包含以下內(nèi)如：最優(yōu)化問題的簡介，凸分析基礎(chǔ)，無約束優(yōu)化的理論及線搜索算法框架，信賴域算法，線搜索收斂性分析及收斂速度分析，半光滑牛頓算法，共軛梯度算法，約束優(yōu)化理論及延伸理論，罰方法，增廣拉格朗日算法及算法在實際問題(支持向量機模型、超圖匹配)中的應(yīng)用。本書對知識點的分析緊密結(jié)合當前研究前沿問題，并通過對應(yīng)用問
ChatGPT、文心一言、MidJourney等AI大語言模型融入了人們的日常工作、學(xué)習和生活，學(xué)習如何用好新的AI工具已經(jīng)成為每個人的必修課。但是，對于一些稍微復(fù)雜的實際問題，AI大語言模型的回答卻很不穩(wěn)定，經(jīng)常偏離問題甚至完全錯誤，主要原因就是問題（提示詞）寫得不好。事實證明，使用恰當?shù)奶崾驹~，可以使AI大語言模型
本書是一本機器學(xué)習實用指南，提供從基礎(chǔ)知識到進階技能的全面學(xué)習路徑。本書以淺顯易懂的方式介紹了機器學(xué)習的基本概念和主要類型，并詳細介紹使用Python及常見的庫進行數(shù)據(jù)處理和機器學(xué)習的實操。此外，介紹了數(shù)據(jù)預(yù)處理的詳細過程，最后通過若干典型案例加深讀者對機器學(xué)習的理解。本書適合對機器學(xué)習感興趣的初學(xué)者，也可作為軟件開發(fā)
作為普通個體，我們該如何快速切入AI賽道，更好地利用AI工具武裝自己，成為"超級個體”呢？本書給出了答案。本書精選八大領(lǐng)域：編程、設(shè)計、辦公、教育、翻譯、營銷、咨詢、自媒體，并通過88個具體案例實操演示了與ChatGPT進行對話的技巧，全面且深入地為讀者展示了利用ChatGPT這個工具大幅提升工作效能的方法。除了提供拿
圖像融合技術(shù)可將多源圖像的互補特征進行綜合，以得到更加完整和準確的場景描述，從而彌補單一傳感器單幅圖像的不足，是一種廣泛應(yīng)用的圖像預(yù)處理技術(shù)，如多攝像頭拍照、微光夜視、醫(yī)學(xué)診斷、遙感等應(yīng)用領(lǐng)域。本書以多源圖像融合技術(shù)為主要內(nèi)容，在研究圖像尺度分析、遷移學(xué)習、深度學(xué)習算法與模型的基礎(chǔ)上，針對多聚焦圖像融合、多模態(tài)醫(yī)學(xué)圖像
本書針對推薦系統(tǒng)中的二部圖、社交網(wǎng)絡(luò)和知識圖譜的圖結(jié)構(gòu)模式，研究基于圖表示學(xué)習的深度推薦系統(tǒng)。通過挖掘圖信息中的隱性關(guān)系和高階關(guān)系，使用圖學(xué)習的方式探索用戶和產(chǎn)品的潛在關(guān)聯(lián)，彌補相關(guān)推薦系統(tǒng)研究在挖掘用戶之間或者產(chǎn)品之間隱性關(guān)系方面的不足，形成一系列合理而且有效的推薦技術(shù)。增加推薦系統(tǒng)輸入的多樣性，運用社交網(wǎng)絡(luò)和知識圖
人工智能（AI）已成為世界各地的熱門話題，因為它可以為人類帶來顯著的好處，以及可能隱藏在該技術(shù)中的感知和實際危險。在《人工智能風險·回報·未來》：中，KevinChen用清晰簡單的語言闡述了人工智能的許多方面，詳細介紹了人工智能如何給世界的運作方式帶來深刻的變化。人工智能正在交通、物流、醫(yī)學(xué)
奇異跳變系統(tǒng)是一類具有廣泛形式的動力系統(tǒng)，能有效地描述電力系統(tǒng)、電路系統(tǒng)、社會經(jīng)濟系統(tǒng)等實際系統(tǒng)。本書以時滯奇異跳變系統(tǒng)為研究對象，旨在提出有效的容許性分析與控制器設(shè)計方法。本書主要介紹時滯奇異跳變系統(tǒng)容許性分析與狀態(tài)反饋控制、時滯奇異跳變系統(tǒng)觀測器設(shè)計與異步反饋控制、時滯奇異跳變系統(tǒng)濾波器設(shè)計與故障檢測、時滯奇異跳變
本書詳細介紹邊緣計算和人工智能技術(shù)，主要內(nèi)容包括邊緣計算與人工智能概述、邊緣計算與人工智能基本開發(fā)方法、邊緣計算與人工智能模型開發(fā)、邊緣計算與人工智能基礎(chǔ)應(yīng)用開發(fā)、邊緣計算與人工智能綜合應(yīng)用開發(fā)。全書采用項目式開發(fā)的學(xué)習方法，通過貼近日常生活的開發(fā)實例，由淺入深地介紹邊緣計算與人工智能的相關(guān)知識。本書中的每個案例均有完
本書的內(nèi)容共包含八章。第一章分別從學(xué)術(shù)界、媒體、企業(yè)界、政府等多視角介紹人工智能當前火熱的現(xiàn)狀。第二章介紹了不同人群對人工智能提出的疑問，包括疑問論、懷疑論和恐懼論。第三章主要闡述了人工智能的基本概念，包括來自不同領(lǐng)域的各種不同的觀點和看法。第四章提出了作者對人工智能的獨特見解，包括人腦智能、人腦基本能力模型、機器智能
本書基于認知神經(jīng)科學(xué)視角，在系統(tǒng)性梳理現(xiàn)有研究的基礎(chǔ)上，從傳統(tǒng)的電商網(wǎng)站到電商直播、虛擬現(xiàn)實、智能會話代理和機器人等新型平臺，再到腦機接口這一人機交互的最高階應(yīng)用，對這些數(shù)智平臺的用戶行為及其背后的認知機制進行探討，并對用戶在這些平臺上的信息安全和隱私?jīng)Q策行為進行了研究。本書遵循“平臺特征—機體反應(yīng)—用戶行為”的路徑對
本書圍繞自主無人系統(tǒng)發(fā)展背景、發(fā)展現(xiàn)狀、技術(shù)挑戰(zhàn)、倫理道德和政策法律等問題展開闡述。首先介紹了自主無人系統(tǒng)的相關(guān)概念、發(fā)展歷程、發(fā)展現(xiàn)狀和發(fā)展趨勢；其次重點分析了自主無人系統(tǒng)涉及的關(guān)鍵技術(shù)，包括感知與認知、決策與規(guī)劃、行動與控制、交互與協(xié)同、學(xué)習與進化等；然后分析了使用自主無人武器系統(tǒng)面臨的倫理道德與政策法律問題，并介
機器學(xué)習數(shù)學(xué)基礎(chǔ)
本書包含代碼實踐和案例實踐，運用OpenCV、PyTorch等框架工具詳細講解中文車牌識別檢測、采用三元組的FaceNet人臉識別理論與實踐、車道檢測的兩種深度學(xué)習思路及煙霧檢測4大實踐項目。相關(guān)理論可參考《基于深度學(xué)習的目標檢測原理與應(yīng)用》一書，從而學(xué)以致用、融會貫通。
本書闡述了分布式人工智能原理及其應(yīng)用，基本原理的主要內(nèi)容包括的分布式人工智能的內(nèi)涵、基本原理、計算框架等；研究了分布式人工智能學(xué)習與優(yōu)化、強化學(xué)習與演化計算、群智能體強化學(xué)習等前沿方法；給出了分布式信息融合、視覺感知、協(xié)同搜索、對抗博弈決策和智能博弈推演等典型應(yīng)用，建立起了較為全面的知識體系與脈絡(luò)，為后續(xù)研究奠定了良好
書單推薦 新書推薦
