本書采用基于配方的方法完成從數據收集、分析、建模、統計和監視以及部署的基本過程。本書提供來自智能家居，工業物聯網和智能設備的真實數據集來訓練和評估簡單到復雜的模型，并使用經過訓練的模型進行預測。本書還介紹了在實施機器學習和深度學習以及其他AI技術（例如自然語言處理、計算機視覺和用于構建智能IoT系統的強化學習）時面臨的主要挑戰。通過本書讀者可以學習如何打包和部署端到端AI應用程序，以及如何將實踐解決方案應用于常見的IoT問題。
人工智能超入門叢書致力于面向人工智能各技術方向零基礎的讀者，內容涉及數據思維、數據科學、視覺感知、情感分析、搜索算法、強化學習、知識圖譜、專家系統等方向，體系完整、內容簡潔、文字通俗，綜合介紹人工智能相關知識，并輔以程序代碼解決問題，使得零基礎的讀者快速入門。本書是人工智能超入門叢書的一個分冊，以機器學習為主線，介紹如何利用機器學習進行數據分析。全書內容共分7章，主要包括機器學習基本概念、數據分析相關基礎知識、機器學習解決四類問題（回歸問題、分類問題、聚類問題、降維問題）的算法、神經網絡相
本書主要研究了狀態相關的脈沖對（切換）神經網絡穩定性的影響，以及利用脈沖免疫（脈沖解毒）怎么控制網絡病毒的傳播，是作者近年來的研究成果。 本書首先介紹了狀態相關的脈沖（切換）系統、神經網絡模型、計算機病毒傳播模型，然后運用B-equivalence 方法、Lyapunov 函數和一些分析技巧研究了幾類狀態相關的脈沖（切換）神經網絡的穩定性問題，最后利用脈沖微分方程的比較定理和分岔理論研究了帶有脈沖免疫、脈沖解毒和飽和效應的計算機病毒傳播模型的動力學性質。 本書可供從事脈沖系統理論、
強化學習是機器學習的重要組成部分。本書采用理論與實踐相結合的寫法，從強化學習的基本概念開始，詳細介紹了強化學習的算法理論和實踐操作，配有Python代碼實現，完整呈現強化學習算法的實踐細節。通過這本書你將會：（1）理解強化學習最關鍵方面的問題。（2）探索馬爾可夫決策過程及動態規劃的過程。（3）深入理解強化學習的各種方法，包括MC方法，TD方法，深度學習Q方法，SARSA方法等。（4）通過大量的現實例子及Python實現程序，不斷地實踐，成為強
本書是入門階段的人工智能技術讀物，使讀者獲得人工智能的入門知識和基本的人工智能思維模式與動手能力，主要內容包括人類智能與人工智能的關系、人工智能的定義、人工智能六大實現途徑、智能系統的動手實踐等，為學校開展人工智能入門教學或者讀者自學人工智能技術提供參考和指南。
本書以通俗易懂的方式從各個層面介紹了AIGC的基礎知識，并輔以大量案例引領讀者了解AIGC的應用實踐，讓讀者可以更快速地利用AIGC改善工作和生活。 第1章從AI發展歷史到資本市場近況闡述了AIGC產業的概況，第2章介紹了AIGC相關技術，第3章介紹了文本類AIGC技術的發展及其在傳媒、教育、辦公等場景中的應用，第4章介紹了聲音類AIGC技術的發展及其在音樂、仿真等領域中的應用，第5章介紹了圖片類AIGC的發展及其在圖片生成、圖片處理、圖片識別等領域中的應用，第6章介紹了視頻類AIGC的發展及其
至少從 20 世紀 50 年代起，人們就開始大肆宣傳可能很快就會創造出一種能夠與人類智能的全部范圍和水平相匹配的機器�，F在，我們已經成功地創造出了能夠解決特定問題的機器，其準確度達到甚至超過了人類，但我們仍然無法獲得通用智能。這本書想和大家探討一下還需要做什么樣的努力才能不僅獲得專用智能，還能獲得通用智能。如果讀者對智能感興趣，想了解更多關于如何建造自主機器的知識，或者擔心這些機器突然有一天會以一種被稱為“技術奇點”的方式統治世界，請閱讀本書。通過閱讀本書，讀者將會了解到
西蒙教授說，科學的目標在于讓精妙復雜的東西變得簡單易懂，卻又不失其驚奇之處！本書作為人工智能領域的一本必讀經典，對人工智能領域所涉及的各學科均做出了獨到的分析。 西蒙教授在思維和大腦的區分上投入頗多。他將大腦看作生理機能的一部分，就如計算機中的硬件，只是大腦中的思維是人的想法的呈現。他強調，人類和計算機中的硬件不同，但這并不會阻礙計算機思維能力的發展，從而阻礙其適應能力。 本書堪稱人工智能領域的開山之作，具體包括： （1）理解自然界和人工界； （2）經濟理性：適應
深度學習框架中蘊藏著驚人的技術和有趣的機制，本書旨在揭開這些技術和機制的神秘面紗，幫助讀者正確理解技術，體會它們的有趣之處。為此，本書會帶領讀者從零開始創建一個深度學習框架DeZero。DeZero 是本書原創的框架，它用最少的代碼實現了現代深度學習框架的功能。本書分60 個步驟來完成這個框架，在此過程中，讀者會加深對PyTorch、TensorFlow 和Chainer 等現代深度學習框架的理解，看清深度學習框架的本質。本書沿襲《深度學習入門：基于Python 的
《機器學習中的標記增強理論與應用研究》由東南大學計算機科學與工程學院助理研究員徐寧撰寫。全書聚焦標記端多義性這一當今機器學習領域的熱點問題，針對學習過程中不可避免的信息損失這一突出問題，提出了標記增強的概念，以期在不增加額外數據標注負擔的前提下，挖掘訓練樣本中蘊含的標記重要性差異信息，將邏輯標記轉化為標記分布。《機器學習中的標記增強理論與應用研究》共六章：第1章緒論，介紹了全書的研究背景和研究內容。第2章標記增強研究進展，介紹了標記增強的研究進展。第3章標
新書資訊 新書推薦