本書是智能計(jì)算平臺應(yīng)用開發(fā)高級教材，主要介紹了智能計(jì)算平臺搭建、平臺管理、數(shù)據(jù)管理、應(yīng)用開發(fā)等相關(guān)知識。全書共9章，內(nèi)容包括智能計(jì)算平臺應(yīng)用開發(fā)概述、智能計(jì)算高級環(huán)境、平臺管理、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)備份及恢復(fù)、深度學(xué)習(xí)基礎(chǔ)算法建模、人工智能算法優(yōu)化、人工智能高級應(yīng)用軟件開發(fā)測試。

本書旨在為讀者建立完整的深度學(xué)習(xí)知識體系。全書內(nèi)容包含3個部分，第一部分為與深度學(xué)習(xí)相關(guān)的數(shù)學(xué)基礎(chǔ)；第二部分為深度學(xué)習(xí)的算法基礎(chǔ)以及相關(guān)實(shí)現(xiàn)；第三部分為深度學(xué)習(xí)的實(shí)際應(yīng)用。通過閱讀本書，讀者可加深對深度學(xué)習(xí)算法的理解，并將其應(yīng)用到實(shí)際工作中。本書適用于對深度學(xué)習(xí)感興趣并希望從事相關(guān)工作的讀者，也可作為高校相關(guān)專業(yè)的教學(xué)

Kittenblock是深圳市小喵科技開發(fā)的一款基于Scratch3.0的圖形化編程軟件。Scratch3.0強(qiáng)調(diào)的是創(chuàng)作與分享，更注重純軟件編程；Kittenblock強(qiáng)調(diào)的是教育與創(chuàng)造屬性，根據(jù)當(dāng)下的教育需求，重點(diǎn)增加人工智能、物聯(lián)網(wǎng)和Python編程，盡可能地滿足教育的系統(tǒng)性和連續(xù)性需求，讓學(xué)生和老師無須切換多個

本書以實(shí)踐為導(dǎo)向，深入淺出，從人工智能技術(shù)、機(jī)器學(xué)習(xí)框架和微服務(wù)等概念講起，對主流的人工智能云平臺產(chǎn)品進(jìn)行剖析和比較，對從訓(xùn)練學(xué)習(xí)到服務(wù)封裝再到模型發(fā)布應(yīng)用的全過程進(jìn)行介紹，并對人工智能云平臺技術(shù)棧涉及的云計(jì)算、集群管理、任務(wù)調(diào)度、共享存儲等技術(shù)進(jìn)行了詳細(xì)講解，以提高研發(fā)人員對人工智能全生產(chǎn)流程的理解。書中結(jié)合以上技術(shù)

本書對超限學(xué)習(xí)機(jī)近年來取得的各方面成果進(jìn)行詳細(xì)的闡述與分析。本書分為4個部分：第1部分（第1～2章）主要介紹超限學(xué)習(xí)機(jī)的基本概念與核心理論；第2部分（第3～4章）系統(tǒng)介紹超限學(xué)習(xí)機(jī)理論為應(yīng)對數(shù)據(jù)分類、回歸以及特征學(xué)習(xí)等重要機(jī)器學(xué)習(xí)任務(wù)所做的技術(shù)性調(diào)整；第3部分（第5～6章）主要介紹超限學(xué)習(xí)機(jī)的工程實(shí)現(xiàn)與領(lǐng)域應(yīng)用案例；第

本書比較全面系統(tǒng)地闡述了自動控制原理的基本理論和應(yīng)用。全書分8章。第1章深入淺出地講述了自動控制的基本概念和發(fā)展歷史；第2章介紹了線性連續(xù)控制系統(tǒng)在時域和復(fù)域中的數(shù)學(xué)模型及其結(jié)構(gòu)圖和信號流圖；第3~5章分別講述了線性連續(xù)控制系統(tǒng)的時域分析法、根軌跡分析法、頻域分析法；第6章比較全面地闡述了線性連續(xù)控制系統(tǒng)的幾種典型校正

本書把窄帶物聯(lián)網(wǎng)（NB-IoT）的應(yīng)用知識體系歸納為終端、信息郵局、人機(jī)交互系統(tǒng)3個有機(jī)組成部分。針對終端，給出通用嵌入式計(jì)算機(jī)的概念，并將其軟件分為BIOS與User兩部分；針對信息郵局，將其抽象為固定IP地址與端口，并由此設(shè)計(jì)了云偵聽程序模板；針對人機(jī)交互系統(tǒng)，設(shè)計(jì)了Web網(wǎng)頁、微信小程序、手機(jī)App及PC客戶端等

本書較全面地介紹了目前人工智能的主流概念、理論、方法、技術(shù)及應(yīng)用等內(nèi)容。全書共12章，首先介紹了智能的定義以及人工智能的定義、歷史、實(shí)現(xiàn)方法、研究內(nèi)容與發(fā)展趨勢；其次介紹了人工智能的哲學(xué)觀以及腦科學(xué)的相關(guān)概念與基礎(chǔ)知識；再次在人工智能的方法與技術(shù)方面，介紹了人工神經(jīng)網(wǎng)絡(luò)，機(jī)器學(xué)習(xí)的基本方法與原理，以及感知智能、認(rèn)知智能

本書以NB-IoT實(shí)訓(xùn)套件為載體，采用項(xiàng)目化教學(xué)方式，講解了NB-IoT的相關(guān)知識及其在物聯(lián)網(wǎng)中的重要作用。本書主要分為理論、項(xiàng)目和實(shí)戰(zhàn)演練三部分。理論部分講解了NB-IoT物聯(lián)網(wǎng)架構(gòu)，并對架構(gòu)中的每個節(jié)點(diǎn)做技術(shù)解析；項(xiàng)目部分由淺入深，從NB-IoT通信、OceanConnect平臺操作系統(tǒng)到LiteOS的基礎(chǔ)實(shí)戰(zhàn)開發(fā)

本書以人機(jī)界面評價研究為背景，分析了人機(jī)界面評價研究的必要性，回顧了國內(nèi)外人機(jī)界面評價研究的現(xiàn)狀，論述了人機(jī)界面評價理論及方法。以工效學(xué)標(biāo)準(zhǔn)為基礎(chǔ)，構(gòu)建了核電廠主控室人機(jī)界面評價指標(biāo)體系，開發(fā)了人機(jī)界面評價軟件。主要內(nèi)容包括人機(jī)界面評價指標(biāo)篩選方法的分析與構(gòu)建、人機(jī)界面評價指標(biāo)體系的構(gòu)建、人機(jī)界面評價指標(biāo)權(quán)重分配方法的

深度學(xué)習(xí)是目前學(xué)術(shù)界和工業(yè)界都非�；馃岬脑掝}，在許多行業(yè)有著成功應(yīng)用。本書由Hulu的近30位算法研究員和算法工程師共同編寫完成，專門針對深度學(xué)習(xí)領(lǐng)域，是《百面機(jī)器學(xué)習(xí)：算法工程師帶你去面試》的延伸。全書內(nèi)容大致分為兩個部分，第一部分介紹經(jīng)典的深度學(xué)習(xí)算法和模型，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)、生成模型、生

本書首先從Python基本語法開始討論，逐步介紹必備的數(shù)學(xué)知識與神經(jīng)網(wǎng)絡(luò)的基本知識，并利用討論的內(nèi)容編寫一個深度學(xué)習(xí)框架TensorPy，有了這些知識作為鋪墊后，就開始討論生成對抗網(wǎng)絡(luò)（GAN）相關(guān)的內(nèi)容。然后，本書使用比較簡單的語言來描述GAN涉及的思想、模型與數(shù)學(xué)原理，接著便通過TensorFlow實(shí)現(xiàn)傳統(tǒng)的GAN

這是一本有關(guān)交互設(shè)計(jì)規(guī)范與思維方式的指導(dǎo)用書。本書分為8章：第1章介紹交互設(shè)計(jì)的基本知識，第2章講解交互設(shè)計(jì)的基本原則，第3章講解iOS和MaterialDesign系統(tǒng)的交互設(shè)計(jì)規(guī)范，第4章是作者結(jié)合自身經(jīng)驗(yàn)梳理總結(jié)的一套移動端的設(shè)計(jì)規(guī)范，第5章講解的是Web端的設(shè)計(jì)規(guī)范，第6章講解了交互原型圖的設(shè)計(jì)規(guī)范與方法，第7

《機(jī)器學(xué)習(xí)中的基本算法》共八章.第1章和第2章簡要介紹了機(jī)器學(xué)習(xí)的基本概念、研究內(nèi)容、算法體系，以及相關(guān)的優(yōu)化理論與優(yōu)化算法.第3章和第4章詳細(xì)介紹了幾類作為分類器和回歸器的支持向量機(jī)算法，包括算法出發(fā)點(diǎn)、建模思想、理論推導(dǎo)和算法在數(shù)據(jù)分類、識別、擬合、預(yù)測等方面的應(yīng)用.第5章和第6章著重介紹了兩類常用的數(shù)據(jù)預(yù)處理方法

《機(jī)器學(xué)習(xí)與人工智能》涵蓋了與人工智能相關(guān)的機(jī)器學(xué)習(xí)核心方法，包括深度卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、蒙特卡羅樹搜索、強(qiáng)化學(xué)習(xí)。《機(jī)器學(xué)習(xí)與人工智能》也包括一些應(yīng)用非常廣泛的機(jī)器學(xué)習(xí)方法，例如，支持向量機(jī)、決策樹和隨機(jī)森林、隱馬爾可夫模型、聚類與自組織映射�！稒C(jī)器學(xué)習(xí)與人工智能》還包含一些重要的大數(shù)據(jù)分析方法

計(jì)算智能是人工智能領(lǐng)域較為前沿的研究方向，它是受“大自然智慧”啟發(fā)而被設(shè)計(jì)出的一類算法的統(tǒng)稱。計(jì)算智能所具有的全局搜索、高效并行等優(yōu)點(diǎn)為解決復(fù)雜優(yōu)化問題提供了新思路和新手段，引起了國內(nèi)外學(xué)者的廣泛重視并掀起了研究熱潮。目前，計(jì)算智能的相關(guān)技術(shù)已成功應(yīng)用于信息處理、調(diào)度優(yōu)化、工程控制、經(jīng)濟(jì)管理等眾多領(lǐng)域。 本書在歸納近年

多標(biāo)記學(xué)習(xí)指一個樣本可能對應(yīng)多個語義標(biāo)記的學(xué)習(xí)框架，在文本分類、基因功能分類、圖像識別等領(lǐng)域廣泛存在。多標(biāo)記學(xué)習(xí)因其問題的復(fù)雜性及廣泛的應(yīng)用背景，得到了越來越多的重視與研究。多標(biāo)記學(xué)習(xí)的研究主要圍繞降低特征空間或標(biāo)記空間的復(fù)雜性，提高多標(biāo)記學(xué)習(xí)算法的精度而展開。本書主要介紹多標(biāo)記分類、多標(biāo)記特征降維、標(biāo)記關(guān)系分析及多標(biāo)

當(dāng)前，人工智能作為一項(xiàng)引領(lǐng)未來的顛覆性戰(zhàn)略技術(shù)，已在國家安全、國防軍事、社會治理、文化教育、醫(yī)療健康、家居娛樂等領(lǐng)域初露崢嶸，成為世界各國極其重視的核心競爭力技術(shù)之一。本書主要研究人工智能新技術(shù)、新構(gòu)想、新應(yīng)用，面向未來，從人工智能發(fā)展歷程、機(jī)器學(xué)習(xí)、感知認(rèn)知、人機(jī)交互、機(jī)器人、腦科學(xué)、"智能+"未來應(yīng)用，以及人工智能

本書主要利用控制論、代數(shù)圖論、矩陣論及偏微分方程等理論和方法,重點(diǎn)闡述了多智能體系統(tǒng)一致性和復(fù)雜動態(tài)網(wǎng)絡(luò)同步控制這兩個問題,主要討論以下幾類問題：多智能體系統(tǒng)的**-跟隨一致性問題;時滯復(fù)雜網(wǎng)絡(luò)的同步問題;Lurie型動態(tài)網(wǎng)絡(luò)的簇同步問題.

知識工程是創(chuàng)新方法的一種，是一個采用人工智能技術(shù)進(jìn)行文本理解閱讀，用知識圖譜進(jìn)行知識表達(dá)，并在知識圖譜上構(gòu)建的一個具有搜索、推薦、問答、輿情監(jiān)測和社區(qū)服務(wù)功能的系統(tǒng)。本書概括了知識管理和知識工程的各種概念，描述了人工智能技術(shù)在知識挖掘中的應(yīng)用發(fā)展趨勢及實(shí)現(xiàn)知識工程的云架構(gòu)技術(shù)，列舉了知識工程在幾個典型行業(yè)的應(yīng)用實(shí)例，展