本書是一本面向編程人員的人工智能基礎教程，側重于介紹機器學習模型在不同場景下的部署，通過直觀的例子解釋機器學習和人工智能的基本概念，并給出代碼實現(xiàn)。本書分為兩部分：第一部分（第1章-第11章）介紹了如何使用TensorFlow來創(chuàng)建適用于不同應用場景（計算機視覺、自然語言處理和序列建模）的機器學習模型；第二部分（第12

《圖機器學習》詳細闡述了與圖機器學習相關的基本解決方案，主要包括圖的基礎知識、圖機器學習概述、無監(jiān)督圖學習、有監(jiān)督圖學習、使用圖機器學習技術解決問題、社交網(wǎng)絡圖、使用圖進行文本分析和自然語言處理、信用卡交易的圖分析、構建數(shù)據(jù)驅動的圖應用程序和圖的新趨勢等內(nèi)容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關

本書全面介紹人工智能的基本理論、技術及應用。全書共12章，主要內(nèi)容包括人工智能概論、知識表示與知識圖譜、模糊推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡、機器學習與深度學習、專家系統(tǒng)、自然語言理解、計算機視覺和智能機器人，附錄部分給出了實用性強的12個實驗。本書強調人工智能知識的基礎性、整體性、綜合性和廣博性，使

本書系統(tǒng)講述智能現(xiàn)象的簡要歷史。全書共分為10章。第1章介紹本書的寫作背景、對智能的不同定義、圍繞智能現(xiàn)象的問題、本書對智能現(xiàn)象的新假說;第2章介紹宇宙從無到有的過程、不安分的宇宙、改變以穩(wěn)定宇宙;第3章介紹物理學中的智能現(xiàn)象、重力智能、重力和暗能量、最小作用量原則、量子隱形傳態(tài);第4章介紹化學的簡要發(fā)展歷程、耗散結構

《PyTorch編程技術與深度學習》講述深度學習的基本原理，使用PyTorch展示涉及的深度學習算法。通過理論講解和編程操作，使讀者了解并掌握深度學習的原理和PyTorch編程技能，拉近理論與實踐的距離。全書共分9章，主要內(nèi)容包括PyTorch介紹、PyTorch基礎編程、深度學習快速入門、神經(jīng)網(wǎng)絡訓練與優(yōu)化、卷積神經(jīng)

這是一本面向對AI和機器學習的活用感興趣的經(jīng)營層、企劃部門、事業(yè)部門和IT部門等從業(yè)人員的書籍。從打消為什么現(xiàn)在應該努力呢這樣的疑問開始，到即便對AI和機器學習的前提知識沒有了解，也能夠理解如何建立項目，怎樣創(chuàng)造出成果的方法論。本書旨在作為咨詢公司和系統(tǒng)開發(fā)公司等尋求外部AI支援的參考書。

本書根據(jù)高等院校自動控制原理課程的教學要求，注重理論基礎與基本概念，比較全面地介紹了經(jīng)典控制理論的基本內(nèi)容。教材編寫力求從自動控制的基本原理和概念出發(fā)，突出重點，淡化煩瑣的理論推導，注重理論與實際的結合。全書共分八章，內(nèi)容包括自動控制系統(tǒng)概述、控制系統(tǒng)的數(shù)學模型、時域分析法、根軌跡法、頻率特性分析法、自動控制系統(tǒng)的校正

本書分析研究了深度學習相關的網(wǎng)絡模型，以及不同網(wǎng)絡模型的算法結構、原理與核心思想及實戰(zhàn)案例。主要內(nèi)容涉及人工神經(jīng)網(wǎng)絡、模糊神經(jīng)網(wǎng)絡、概率神經(jīng)網(wǎng)絡、小波神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡及其擴展模型、深度生成對抗網(wǎng)絡及其擴展模型、深度受限玻爾茲曼機及其擴展模型、深度信念網(wǎng)絡及其擴展模型、深度自編碼器及其擴展模型等深度學習網(wǎng)絡結構、原

PyTorch神經(jīng)網(wǎng)絡實戰(zhàn)：移動端圖像處理主要介紹人工智能研究領域中神經(jīng)網(wǎng)絡的PyTorch架構，對其在多個領域的應用進行系統(tǒng)性的歸納和梳理。書中的案例有風景圖分類、人像前景背景分割、低光照圖像增法、動漫頭像生成、畫風遷移、風格轉換等，對每項視覺任務的研究背景、應用價值、算法原理、代碼實現(xiàn)和移動端部署流程進行了詳細描述

本書講述機器學習的基本理論與應用，使用OpenCV、Python與MATLAB實現(xiàn)涉及的各種機器學習算法。通過理論學習和實踐應用，讀者能夠理解并掌握機器學習的原理和應用，拉近理論與實踐的距離。全書共分15章，主要內(nèi)容包括：機器學習理論簡介、機器學習理論與應用數(shù)學基礎、機器學習編程基礎、基于OpenCV和Python的機