本書將人工智能與人類智慧深度融合，系統、全面地介紹了類腦智能目標檢測網絡的構建原理、方法、過程，具有較高的學術價值；同時，本書將所構建的類腦智能目標檢測網絡在無人車交通標志檢測、無人車-機械臂協同作業這兩個場景進行了示范應用，具有較大的工程應用價值。本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統研究的科研工作者，以及人工智能、電子信息、計算機工程等相關專業的博士研究生、碩士研究生。
神經網絡與深度學習是人工智能研究的重要領域，是機器學習的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規律的科學。本書緊緊圍繞神經網絡和深度學習的基礎知識體系進行系統的梳理，力求從基礎理論、經典模型和前沿應用展開論述，便于讀者能夠較為全面地掌握深度學習的相關知識。全書共 16 章。第 1 章是緒論，簡要介紹人工智能、機器學習、神經網絡與深度學習的基本概念及相互關系，并對神經網絡的發展歷程和產生機理進行闡述；第2章介紹神經網絡的基本神經元模型、網絡結構、學習方法、學習規則、正則化方法
嗨，大家好，我是人工智能小艾，是一個能像你們一樣思考的電腦程序，我通過大量地讀取數據進行學習，今天就由我當向導，帶領你們去認識一下我的人工智能朋友們吧。他們有的負責駕駛無人車，有的負責人臉識別，有的負責推薦衣食住行，有的協助你和外國人交流翻譯，有的協助醫療檢查，對了對了，還有協助抓小偷的呢……該繪本還有“新科技小提示”“增長知識”“開闊眼界”等欄目，對綠色能源的相關科普知識也進行了簡潔透徹的講解。
本書從原理和實戰兩個維度對GAN進行了全面講解。 全書一共12章，分為兩個部分： 第一部分（第1-5章） 原理篇 對生成模型，以及GAN的優化、訓練、評估、可視化、結構等原理性內容進行了詳細講解。 第二部分（6-12章） 實戰篇 這部分對GAN的主要應用場景的實戰性內容進行了講解，包括圖像生成、風格遷移、圖像增強、圖像分割、目標檢測、對抗攻擊、語音生成等場景下的GAN實戰進行了講解。
本書針對深度學習及開源框架——PyTorch，采用簡明的語言進行知識的講解，注重實戰。全書分為4篇，共19章。深度學習基礎篇（第1章~第6章）包括PyTorch簡介與安裝、機器學習基礎與線性回歸、張量與數據類型、分類問題與多層感知器、多層感知器模型與模型訓練、梯度下降法、反向傳播算法與內置優化器。計算機視覺篇（第7章~第14章）包括計算機視覺與卷積神經網絡、卷積入門實例、圖像讀取與模型保存、多分類問題與卷積模型的優化、遷移學習與數據增強、經典網絡模型與特征提取、圖像定位基礎、圖像語義分割。自然語
隨著云計算、大數據等的快速發展，越來越多的組織用信息化手段進行流程管理。如何提升流程執行的智能化程度、動態性和柔性，以提高對非標準業務的管理效率，是流程管理面臨的一個重要問題。 本書基于流程管理系統積累的日志，提出了3種流程管理的工作流活動推薦方法，分別為基于用戶類別近鄰的活動推薦方法、基于Pearson相關系數的活動推薦方法和基于協同過濾的活動推薦方法，并介紹了一種流程信息的可視化算法，實現了一個可視化原型系統。 本書結構清晰，文字流暢，圖文并茂，適合從事流程管理系統研究的讀者閱讀，也適合作為
本書通過扎實、詳細的內容和清晰的結構，從算法理論、算法源碼、實驗結果等方面對深度學習算法進行分析和介紹。本書共三篇，第一篇主要介紹深度學習在計算機視覺方向的一些卷積神經網絡，從基礎骨干網絡、輕量級 CNN、模型架構搜索 3 個方向展開，介紹計算機視覺方向的里程碑算法；第二篇主要介紹深度學習在自然語言處理方向的重要突破，包括基礎序列模型和模型預訓練；第三篇主要介紹深度學習在模型優化上的進展，包括模型優化方法。 通過閱讀本書，讀者可以深入理解主流的深度學習基礎算法，搭建起自己的知識體系，領會算法的本
使用TensorFlow為多個移動平臺構建智能深度學習和強化學習應用程序。本書涵蓋了10余個由TensorFlow提供支持并從頭開始構建的完整iOS、Android和樹莓派應用程序，可在設備上離線運行各種TensorFlow模型：從計算機視覺、語音識別和自然語言處理到生成對抗網絡以及AlphaZero（如深度強化學習）。你將學習如何使用或再訓練現有的模型、構建模型以及開發能運行這些模型的智能移動應用程序，并通過分步教程快速掌握如何構建此類應用程序，同時學會利用大量寶貴的故障排除技巧來避免
人工智能時代已經來臨，這項技術正在改變人類的認知和行為習慣，也對很多領域和行業造成了影響。本書共3篇，認知篇介紹了人工智能的理論知識與發展現狀，詳細講述人工智能與5G、物聯網、區塊鏈等技術的融合；價值篇主要講述了人工智能的價值，分析其為生活、社會、商業、醫療帶來的變革；場景篇從服務場景、工作場景、教育場景、營銷場景入手介紹人工智能的應用，為讀者提供應用指導。如今，人工智能已成為不可逆轉的趨勢。本書向讀者闡述與之相關的知識，并且告訴讀者應該如何跟上潮流。總之，本書是一本不可多得的實戰書，不僅具備很
《AI可解釋性（Python語言版）》全面介紹了AI可解釋性的概念和可用技術，使機器學習系統更易于解釋。書中提出的方法可以應用于幾乎所有現有的機器學習模型：線性和邏輯回歸、深度學習神經網絡、自然語言處理和圖像識別等等。隨著機器學習的發展，如今人們越來越多地使用人工智能體來執行以前由人類處理的關鍵任務(醫療、法律和金融等等)。雖然智能體的設計原則已被理解，但目前的大多數深度學習模型對人類理解而言是“不透明的”。《AI可解釋性(Python語言版)》從理論和實踐的角度填補了這個新興主題文獻方
新書資訊 新書推薦