本書從深度學(xué)習(xí)的發(fā)展歷程開始，系統(tǒng)介紹了基于深度學(xué)習(xí)的目標(biāo)檢測的基本問題及其相關(guān)處理方法與技術(shù)，主要內(nèi)容涉及兩階段和單階段目標(biāo)檢測的理論、算法和研究成果。本書共6章，包括深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)類型、目標(biāo)檢測技術(shù)、基于FasterR-CNN的目標(biāo)檢測改進(jìn)算法、領(lǐng)域自適應(yīng)及其在目標(biāo)檢測技術(shù)上的典型應(yīng)用、圖像識別模型改進(jìn)及面部表情

本書是一本系統(tǒng)介紹機器學(xué)習(xí)所涉及的數(shù)學(xué)知識和相關(guān)Python編程的實例工具書，同時還介紹了非常經(jīng)典的綜合案例，除了編寫機器學(xué)習(xí)的代碼，還編寫了深度學(xué)習(xí)的代碼。本書一共分為兩部分。 第一部分為數(shù)學(xué)基礎(chǔ)知識部分，包含8個章節(jié)，介紹了微積分、線性代數(shù)、概率統(tǒng)計、信息論、模糊數(shù)學(xué)、隨機過程、凸優(yōu)化和圖論的系統(tǒng)知識體系及幾個數(shù)學(xué)

零樣本圖像分類主要解決在標(biāo)記訓(xùn)練樣本不足以涵蓋所有對象類的情況下，如何對未知新模式進(jìn)行正確分類的問題，近年來已逐漸成為機器學(xué)習(xí)領(lǐng)域的研究熱點之一。利用可見類訓(xùn)練樣本學(xué)習(xí)到的分類器對新出現(xiàn)的對象類進(jìn)行分類識別是非常困難的學(xué)習(xí)任務(wù)�！读銟颖緢D像分類》針對零樣本圖像分類問題從屬性角度入手，基于深度學(xué)習(xí)及知識挖掘、屬性自適應(yīng)、

本書系統(tǒng)論述了智能開源硬件的電路基礎(chǔ)、原理、開發(fā)方法及實戰(zhàn)設(shè)計案例，理論與實踐緊密結(jié)合。全書分四篇，分別為電路分析基礎(chǔ)篇、數(shù)字電路篇、模擬電路篇、智能感知篇；涵蓋14章，內(nèi)容包括電路分析基礎(chǔ)、正弦穩(wěn)態(tài)電路、一階電路、數(shù)字邏輯基礎(chǔ)、組合邏輯電路、觸發(fā)器、時序邏輯電路、放大電路、模擬集成電路等開發(fā)開源硬件所需的電路基礎(chǔ)理論

近年來人工智能技術(shù)蓬勃發(fā)展，人工智能正在改變我們的生活。為了讓讀者在不需要掌握太多數(shù)學(xué) 和計算機科學(xué)知識的情況下，能夠快速上手，使用Python語言實現(xiàn)常用的機器學(xué)習(xí)算法，并解決一些實際的問題，我們策劃并出版本書。 本書共14章，內(nèi)容涵蓋基本的機器學(xué)習(xí)概念和環(huán)境搭建，目前各個領(lǐng)域中的熱門算法，以及數(shù)據(jù)預(yù)處理、模型評估和

本書介紹了人工智能概覽、機器學(xué)習(xí)、深度學(xué)習(xí)、人工智能主流開發(fā)框架、華為全棧全場景AI戰(zhàn)略—EI、HiAI、昇騰，以及人工智能綜合實驗等內(nèi)容?這是一本華為ICT學(xué)院人工智能課程培訓(xùn)的教材。本書是作者和華為的工作人員共同完成的，其間參閱了國內(nèi)外現(xiàn)有教材和相關(guān)文獻(xiàn)后編寫的?全書注重理論與實踐的結(jié)合,注重算法與框架的實際應(yīng)用與

本書主要講述經(jīng)典控制理論的基本知識及其在機械工程領(lǐng)域中的應(yīng)用，使讀者掌握機電動態(tài)系統(tǒng)的工程設(shè)計計算和分析方法。全書共七章，內(nèi)容包括控制系統(tǒng)的組成，數(shù)學(xué)模型建立，時域、穩(wěn)定性與根軌跡、頻域分析與系統(tǒng)校正，簡要介紹了現(xiàn)代控制理論。各章均附有習(xí)題及參考答案。本書適合工程應(yīng)用型高校機械、機電、測控、儀器、自動化等專業(yè)本科生和高

近年來，人工智能發(fā)展非常迅速，在可以預(yù)見的未來，它必然會強烈沖擊并深刻變革人類既有的生活模式。實際上，除技術(shù)問題外，人工智能的邏輯基礎(chǔ)和倫理基礎(chǔ)與哲學(xué)之間的關(guān)系也十分密切。有鑒于此，本書從與人工智能緊密相關(guān)的哲學(xué)問題入手，關(guān)注如下話題：強人工智能是否可能；近代唯理論和經(jīng)驗論爭論對于人工智能的影響；蘇聯(lián)、日本及歐盟在人工

本書選材廣泛，主要包括人工智能概述、現(xiàn)實世界中人工智能的應(yīng)用、人工智能的類型、人工智能的利與弊、人工智能中的知識表示、人工智能中的推理、人工智能中的搜索算法、機器學(xué)習(xí)算法、專家系統(tǒng)、人工智能中的模糊邏輯及其應(yīng)用、有監(jiān)督機器學(xué)習(xí)與無監(jiān)督機器學(xué)習(xí)、現(xiàn)實世界中機器學(xué)習(xí)的應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、模式識別、面部識別、人工智

本書以Python機器學(xué)習(xí)常用技術(shù)與真實案例相結(jié)合的方式，深入淺出地介紹了Python機器學(xué)習(xí)應(yīng)用的主要內(nèi)容。全書共11章，分別介紹了機器學(xué)習(xí)概述、數(shù)據(jù)準(zhǔn)備、特征工程、有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、智能推薦的相關(guān)知識，并介紹了市財政收入分析案例、基于非侵入式電力負(fù)荷監(jiān)測與分解的電力分析案例、航空公司客戶價值分析案例、廣電大數(shù)

隨著時代的發(fā)展、計算機硬件性能的提升與大數(shù)據(jù)技術(shù)的進(jìn)步,深度學(xué)習(xí)在理論上不斷創(chuàng)新,尤其在商業(yè)場景應(yīng)用中取得重要成果,使得人工智能又一次進(jìn)入黃金發(fā)展時期,“深度學(xué)習(xí)時代”已經(jīng)來臨!本書將帶領(lǐng)讀者了解深度學(xué)習(xí)技術(shù)的理論及應(yīng)用情況。全書共10章,分3部分。第1部分,即第1-第4章,主要介紹人工智能與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識,以及深

物聯(lián)網(wǎng)應(yīng)用具有"賦予物體以智能"和"使物體提供信息"兩個特征，從而使人與物、物與物之間的互動成為可能。但是，由于這些互動對價值共創(chuàng)的作用機理尚不清楚，導(dǎo)致無法進(jìn)行物聯(lián)網(wǎng)應(yīng)用下的商業(yè)模式創(chuàng)新，從而限制了物聯(lián)網(wǎng)應(yīng)用的發(fā)展。因此，本書將：（1）搜集大量互聯(lián)網(wǎng)時代下的價值共創(chuàng)案例（特別是物聯(lián)網(wǎng)應(yīng)用），使用價值網(wǎng)絡(luò)分析方法解構(gòu)這

本書主要內(nèi)容包括普通最小二乘法回歸、嶺回歸、Lasso回歸、彈性網(wǎng)絡(luò)回歸、正交匹配追蹤回歸、貝葉斯回歸、廣義線性回歸、隨機梯度下降回歸、被動攻擊回歸、魯棒回歸、多項式回歸、支持向量機回歸、核嶺回歸、最近鄰回歸、高斯過程回歸、決策樹、神經(jīng)網(wǎng)絡(luò)模型、保序回歸、嶺分類、邏輯回歸分類、隨機梯度下降分類、感知機、被動攻擊分類、支

本書從人工智能的基本定義出發(fā)，由淺入深地闡述了人工智能的理論、策略、研究方法和應(yīng)用領(lǐng)域，以梳理知識脈絡(luò)和要點的方式，詳細(xì)介紹了知識表示、邏輯推理及方法、非確定性推理及方法、搜索策略、機器學(xué)習(xí)等方面的內(nèi)容。作為導(dǎo)論書籍，本書概念論述清楚，內(nèi)容豐富，通俗易懂，在較為全面介紹人工智能的基礎(chǔ)上對一些傳統(tǒng)內(nèi)容進(jìn)行了取舍。為滿足讀

零基礎(chǔ)讀者應(yīng)如何快速入門機器學(xué)習(xí)？數(shù)學(xué)基礎(chǔ)薄弱的讀者應(yīng)如何理解機器學(xué)習(xí)中的數(shù)學(xué)原理？這些正是本書要解決的問題。本書從數(shù)學(xué)基礎(chǔ)知識入手，通過前3章的介紹，幫助讀者輕松復(fù)習(xí)機器學(xué)習(xí)涉及的數(shù)學(xué)知識；然后，通過第4-第13章的介紹，逐步講解機器學(xué)習(xí)常見算法的相關(guān)知識，幫助讀者快速入門機器學(xué)習(xí)；最后，通過第14章的綜合實踐，幫助

《人工智能導(dǎo)論》為大連理工大學(xué)“新工科”系列精品教材。本書內(nèi)容包括緒論、知識表示、確定性推理、不確定性推理、搜索求解策略、遺傳算法及其應(yīng)用、群智能算法及其應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用、機器學(xué)習(xí)、專家系統(tǒng)、自然語言理解及其應(yīng)用等。本書可供電子信息類專業(yè)本、�？茖W(xué)生作為教材使用，也可供從事人工智能領(lǐng)域的技術(shù)人員參考。

本書全面講解PaddlePaddleFluid框架在深度學(xué)習(xí)領(lǐng)域的應(yīng)用。全書共15章，分別是PaddlePaddle深度學(xué)習(xí)開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實戰(zhàn)、卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn)、生成對抗網(wǎng)絡(luò)實戰(zhàn)、強化學(xué)習(xí)實戰(zhàn)、模型的保存與使用、遷移學(xué)習(xí)實戰(zhàn)可視化工具VisualDL的使

本書的主要特色在于知識建模和智能推理技術(shù)方面的創(chuàng)新，并基于知識圖譜建模和智能推理技術(shù)的集成完成了一系列應(yīng)用軟件的開發(fā)，直觀形象、易學(xué)易用。本書是AI3軟件的詳盡解讀，分為AI3普及版（自由拷貝，不限使用）、AI3智能教學(xué)版以及AI3專業(yè)版（適用于復(fù)雜過程工業(yè)系統(tǒng)AI應(yīng)用）。

本書系統(tǒng)闡述遷移學(xué)習(xí)的解決方法和典型應(yīng)用。首先，論述了遷移學(xué)習(xí)的基本概念、方法分類及發(fā)展歷程，介紹了遷移學(xué)習(xí)的相關(guān)基礎(chǔ)知識。然后，探討了遷移學(xué)習(xí)的基本方法，包括基于樣本、基于特征、基于模型和基于關(guān)系的遷移學(xué)習(xí)方法，闡述了深度遷移學(xué)習(xí)的經(jīng)典方法，包括神經(jīng)網(wǎng)絡(luò)自適應(yīng)遷移方法和神經(jīng)網(wǎng)絡(luò)對抗遷移方法，介紹了更加實用的部分域適應(yīng)

機器學(xué)習(xí)算法評估力求用科學(xué)的指標(biāo)，對機器學(xué)習(xí)算法進(jìn)行完整、可靠的評價。本書詳細(xì)介紹機器學(xué)習(xí)算法評估的理論、方法和實踐。全書分為3個部分。第1部分包含第1章～第3章，針對分類算法、回歸算法和聚類算法分別介紹對應(yīng)的基礎(chǔ)理論和評估方法；第2部分包含第4章～第8章，介紹更復(fù)雜的模型（如深度學(xué)習(xí)模型和集成樹模型）的對比與評估，并