《物聯(lián)網(wǎng)場景設(shè)計與開發(fā)：初級》詳細介紹了物聯(lián)網(wǎng)概述、物聯(lián)網(wǎng)通用技術(shù)、物聯(lián)網(wǎng)場景與應(yīng)用實例、物聯(lián)網(wǎng)場景故障診斷思路、物聯(lián)網(wǎng)場景服務(wù)流程與規(guī)范、物聯(lián)網(wǎng)智慧家庭產(chǎn)品與方案銷售、物聯(lián)網(wǎng)場景部署的技術(shù)規(guī)范�！段锫�(lián)網(wǎng)場景設(shè)計與開發(fā)：初級》為物聯(lián)網(wǎng)場景設(shè)計與開發(fā)1X職業(yè)技能等級證書配套系列教材，可以作為中職中專和高職高專院校物聯(lián)網(wǎng)應(yīng)

機器學(xué)習(xí)已經(jīng)廣泛地應(yīng)用于各行各業(yè)，深度學(xué)習(xí)的興起再次推動了人工智能的熱潮。本書結(jié)合項目實踐，首先討論主流機器學(xué)習(xí)平臺的主要特點和機器學(xué)習(xí)的實戰(zhàn)難點；在此基礎(chǔ)上，利用主流的機器學(xué)習(xí)開源平臺TensorFlow、OpenVINO、PaddlePaddle等，通過19個實戰(zhàn)案例，詳細地分析決策樹、隨機森林、支持向量機、邏輯回

在《認知和行為的計算建模》中提出了一套在心理學(xué)中應(yīng)用計算和數(shù)學(xué)模型的綜合方法。主要目的是在理論、模擬和數(shù)據(jù)之間提供一個統(tǒng)一的視角，來回答我們?nèi)绾螐男袨槟Ｐ椭蝎@取信息的核心問題�！墩J知和行為的計算建模》涵蓋了以下四個主題。部分解釋了什么是計算模型，全面概述了用于理解人類行為的模型，探討了如何將理論敘述轉(zhuǎn)化為模擬代碼，并闡

如何從零開始，全面了解人工智能（AI）的前世今生？如何掌握技術(shù)，逐步實現(xiàn)人工智能數(shù)字化發(fā)展？如何搶占市場，全面發(fā)展人工智能產(chǎn)業(yè)和設(shè)備？《從零開始學(xué)人工智能》通過12個專題、170多個知識點，幫助您從AI小白變成智能高手�！稄牧汩_始學(xué)人工智能》詳細講解了人工智能的基本知識和技術(shù)制造，再從互聯(lián)網(wǎng)三大巨頭入手，從10個方面重

本書全面介紹如何采用邏輯與演繹語言推理信息物理系統(tǒng)。在這個過程中，讀者將學(xué)習(xí)計算機科學(xué)、應(yīng)用數(shù)學(xué)和控制論的許多基本概念，所有這些對了解CPS都是必不可少的。本書分為以下四個部分。在第1部分中，讀者將學(xué)習(xí)如何對包含連續(xù)變量和編程構(gòu)造的CPS建模，如何描述需求規(guī)約，以及如何用證明規(guī)則檢驗?zāi)Ｐ褪欠駶M足需求。第二部分增加了對物

本書涵蓋許多無論是在理論還是在實踐中都非常有趣的話題。書中介紹了包括控制范式、導(dǎo)航、軟件、多機器人系統(tǒng)、群體機器人、社會角色中的機器人以及機器人中的人工意識。闡述了幾個寬泛的主題，如人工智能理論與應(yīng)用、擬人化、化身與情境、將心理學(xué)和動物行為理論擴展到機器人的理論以及未來的人工智能的新定義。

本書全面介紹了人工智能(AI)和機器學(xué)習(xí)(ML)的理論和應(yīng)用。與僅僅從理論或?qū)嵺`的角度來看待這個領(lǐng)域不同，本書將這兩個角度結(jié)合在了一起，給予全面的理解。第1部分介紹了人工智能和ML的概念以及它們的起源和現(xiàn)狀。第2和第3部分深入探討了靜態(tài)ML技術(shù)和動態(tài)ML技術(shù)的概念和理論方面。第4部分描述了所提出的技術(shù)可以應(yīng)用的實際應(yīng)用

深度學(xué)習(xí)是當(dāng)前的人工智能領(lǐng)域的技術(shù)熱點。本書面向高等院校理工科專業(yè)學(xué)生的需求，介紹深度學(xué)習(xí)相關(guān)概念，培養(yǎng)學(xué)生研究、利用基于各類深度學(xué)習(xí)架構(gòu)的人工智能算法來分析和解決相關(guān)專業(yè)問題的能力。本書內(nèi)容包括深度學(xué)習(xí)概述、人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)和深度強化學(xué)習(xí)、計算機視覺以及自然語言處理。本書適合

本書簡潔且全面地介紹了現(xiàn)代神經(jīng)網(wǎng)絡(luò)、人工智能和深度學(xué)習(xí)技術(shù)，專門為軟件工程師和數(shù)據(jù)科學(xué)家設(shè)計。第1章逐步介紹神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識。第2章比較TensorFlow1.x和TensorFlow2.0編程模型。第3章重點介紹回歸。第4章介紹卷積神經(jīng)網(wǎng)絡(luò)及其在圖像處理中的應(yīng)用。第5章討論了CNN在圖像、視頻、音頻和文本處理方面的

本書涵蓋了經(jīng)典和現(xiàn)代的深度學(xué)習(xí)模型。章節(jié)分為三類:第1部分為神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。許多傳統(tǒng)的機器學(xué)習(xí)模型可以理解為神經(jīng)網(wǎng)絡(luò)的特殊情況。前兩章的重點是理解傳統(tǒng)機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)之間的關(guān)系。支持向量機、線性/邏輯回歸、奇異值分解、矩陣分解和推薦系統(tǒng)都是神經(jīng)網(wǎng)絡(luò)的特例。本書將這些方法與特征工程方法如word2vec一起進行了研究。