本書以時(shí)間軸為主線，闡述了人工智能的發(fā)展歷程和技術(shù)體系的基本框架，介紹了人工智能在制造、交通、通信、電力、建筑、旅游、農(nóng)業(yè)、金融、航空航天、軍事、教育以及醫(yī)藥健康等12個(gè)領(lǐng)域的應(yīng)用現(xiàn)狀，并展望了人工智能的發(fā)展前景。

本書系統(tǒng)介紹以相機(jī)和慣性測(cè)量單元為主傳感器的視覺(jué)、視覺(jué)慣性SLAM算法。本書通過(guò)選取該領(lǐng)域有代表性的兩個(gè)開(kāi)源項(xiàng)目,從原理闡述、公式推導(dǎo)、代碼解析和工程經(jīng)驗(yàn)等多個(gè)維度,對(duì)SLAM技術(shù)進(jìn)行全面的解讀。為了讓讀者在輕松的氛圍中快速理解專業(yè)知識(shí),本書以小白和師兄對(duì)話的形式娓娓道來(lái),幫助讀者在學(xué)習(xí)的過(guò)程中不斷思考和提升。

本書屬于智能感知技術(shù)方面的著作。由人工智能概述、傳感器技術(shù)、視覺(jué)感知技術(shù)、力/觸覺(jué)感知技術(shù)、無(wú)人駕駛汽車與無(wú)人機(jī)的實(shí)際應(yīng)用以及對(duì)智能感知技術(shù)的展望等部分構(gòu)成。全書主要研究在人工智能時(shí)代的背景下，智能機(jī)器人對(duì)外部環(huán)境的感知方式，闡述了智能感知的關(guān)鍵技術(shù)傳感器技術(shù)，包括視覺(jué)和力/觸覺(jué)傳感器，并對(duì)視覺(jué)感知與力/觸覺(jué)感知技術(shù)進(jìn)

本書著重介紹人工智能的基本概老，力求團(tuán)清人工智能相關(guān)學(xué)科理論與實(shí)際應(yīng)用之間的關(guān)聯(lián)。從智能引入人工智能的概老、發(fā)展。主要流源和未來(lái)發(fā)展的趨勢(shì):在數(shù)據(jù)、算力和算法的核心驅(qū)動(dòng)下，引入計(jì)算智能。感知智能、語(yǔ)富智能、行為智能和混合智能的概念。原理、方法與進(jìn)展，并從不同的學(xué)科角度介細(xì)人工智能的應(yīng)用與趨勢(shì):最后介部人工智能面臨的問(wèn)題

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，包括一套建立數(shù)據(jù)高級(jí)抽象模型的算法�！痘�于R語(yǔ)言的高級(jí)深度學(xué)習(xí)》將幫助讀者了解流行的深度學(xué)習(xí)架構(gòu)及其用R語(yǔ)言實(shí)現(xiàn)的變體，并提供實(shí)際示例�！痘�于R語(yǔ)言的高級(jí)深度學(xué)習(xí)》內(nèi)容涵蓋用于預(yù)測(cè)和分類的重要的深度學(xué)習(xí)技術(shù)和概念，包括神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)架構(gòu)以及用R實(shí)現(xiàn)深度學(xué)習(xí)的基礎(chǔ)知識(shí)。《基于R語(yǔ)言的高級(jí)

本書圍繞物聯(lián)網(wǎng)通信技術(shù)應(yīng)用的崗位定義和崗位職能，以物聯(lián)網(wǎng)傳感器認(rèn)知與應(yīng)用、物聯(lián)網(wǎng)執(zhí)行器認(rèn)知與應(yīng)用、物聯(lián)網(wǎng)通信終端開(kāi)發(fā)、物聯(lián)網(wǎng)短距離無(wú)線通信技術(shù)應(yīng)用、物聯(lián)網(wǎng)長(zhǎng)距離無(wú)線通信技術(shù)應(yīng)用、物聯(lián)網(wǎng)云平臺(tái)的使用為主要技能點(diǎn)組織和闡述物聯(lián)網(wǎng)通信技術(shù)知識(shí)和技能。本書包括6個(gè)項(xiàng)目，按照感知層、網(wǎng)絡(luò)層、應(yīng)用層一步一步展開(kāi)。每個(gè)項(xiàng)目中的任務(wù)設(shè)

本書將數(shù)學(xué)理論與實(shí)例相結(jié)合，這些實(shí)例以最*先進(jìn)的通用機(jī)器學(xué)習(xí)框架為基礎(chǔ)，由Python實(shí)現(xiàn)，向讀者介紹更復(fù)雜的算法。全書共25章，包括機(jī)器學(xué)習(xí)模型基礎(chǔ)、損失函數(shù)和正則化、半監(jiān)督學(xué)習(xí)導(dǎo)論、高級(jí)半監(jiān)督分類、基于圖的半監(jiān)督學(xué)習(xí)、聚類和無(wú)監(jiān)督學(xué)習(xí)模型、高級(jí)聚類和無(wú)監(jiān)督學(xué)習(xí)模型、面向營(yíng)銷的聚類和無(wú)監(jiān)督學(xué)習(xí)模型、廣義線性模型和回歸

神經(jīng)計(jì)算的信息論方法 香農(nóng)信息科學(xué)經(jīng)典

機(jī)器學(xué)習(xí)的信息論方法 香農(nóng)信息科學(xué)經(jīng)典

本書是《Scikit-learn機(jī)器學(xué)習(xí)詳解》（潘風(fēng)文編著）的進(jìn)階篇，講解了Sklearn（Scikit-learn）機(jī)器學(xué)習(xí)框架的各種高級(jí)應(yīng)用技術(shù)，包括數(shù)據(jù)集導(dǎo)入工具、集成學(xué)習(xí)、模型選擇和交叉驗(yàn)證、異常檢測(cè)、管道、信號(hào)分解、模型持久化以及Sklearn系統(tǒng)高級(jí)配置。通過(guò)本書的學(xué)習(xí)，讀者可快速掌握Sklearn框架的高