深度強(qiáng)化學(xué)習(xí)結(jié)合深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)算法各自的優(yōu)勢解決復(fù)雜的決策任務(wù)。得益于DeepMindAlphaGo和OpenAIFive成功的案例，深度強(qiáng)化學(xué)習(xí)受到大量的關(guān)注，相關(guān)技術(shù)廣泛應(yīng)用于不同的領(lǐng)域。本書分為三大部分，覆蓋深度強(qiáng)化學(xué)習(xí)的全部內(nèi)容。第一部分介紹深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的入門知識(shí)、一些非常基礎(chǔ)的深度強(qiáng)化學(xué)習(xí)算法及其實(shí)

本書從傳統(tǒng)的機(jī)器學(xué)習(xí)，如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機(jī)、集成學(xué)習(xí)，到前沿的深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，如DNN、CNN、BERT、ResNet等，對人工智能技術(shù)進(jìn)行零基礎(chǔ)講解，內(nèi)容涵蓋數(shù)學(xué)原理、公式推導(dǎo)、圖表展示、企業(yè)應(yīng)用案例。本書面向初中級(jí)讀者，能幫助讀者迅速掌握機(jī)器學(xué)習(xí)技術(shù)的相關(guān)概念及原理。本書內(nèi)容結(jié)合作者多年

機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：使用R、tidyverse和mlr

本書是一本介紹深度學(xué)習(xí)理論和實(shí)戰(zhàn)應(yīng)用的教程，先從數(shù)學(xué)基礎(chǔ)和機(jī)器學(xué)習(xí)基礎(chǔ)出發(fā)，按照神經(jīng)網(wǎng)絡(luò)的技術(shù)發(fā)展框架由易到難逐步講解深度學(xué)習(xí)的理論，然后再通過實(shí)踐部分，詳細(xì)解釋深度學(xué)習(xí)的應(yīng)用案例，讓讀者既能了解深度學(xué)習(xí)理論，又能學(xué)會(huì)使用深度學(xué)習(xí)框架，實(shí)現(xiàn)自己的深度學(xué)習(xí)模型。主要內(nèi)容包括深度學(xué)習(xí)的發(fā)展歷史、單層感知器、線性神經(jīng)網(wǎng)絡(luò)、B

本書基于豐富的圖示，詳細(xì)介紹了有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機(jī)、核方法、樸素貝葉斯、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進(jìn)行了實(shí)現(xiàn)，讀者可一邊運(yùn)行代碼一邊閱讀，從

本書全面講解PaddlePaddleFluid框架在深度學(xué)習(xí)領(lǐng)域的應(yīng)用。全書共15章，分別是PaddlePaddle深度學(xué)習(xí)開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實(shí)戰(zhàn)、卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)、生成對抗網(wǎng)絡(luò)實(shí)戰(zhàn)、強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)、模型的保存與使用、遷移學(xué)習(xí)實(shí)戰(zhàn)可視化工具VisualDL的使

本書的主要特色在于知識(shí)建模和智能推理技術(shù)方面的創(chuàng)新，并基于知識(shí)圖譜建模和智能推理技術(shù)的集成完成了一系列應(yīng)用軟件的開發(fā)，直觀形象、易學(xué)易用。本書是AI3軟件的詳盡解讀，分為AI3普及版（自由拷貝，不限使用）、AI3智能教學(xué)版以及AI3專業(yè)版（適用于復(fù)雜過程工業(yè)系統(tǒng)AI應(yīng)用）。

深度學(xué)習(xí)已經(jīng)進(jìn)入我們的生活，云計(jì)算和大數(shù)據(jù)為深度學(xué)習(xí)提供了便利。本書主要講解深度學(xué)習(xí)中的數(shù)學(xué)知識(shí)、算法原理和實(shí)現(xiàn)方法，配套源碼、數(shù)據(jù)集和開發(fā)環(huán)境。本書共12章。第1章介紹人類視覺和深度學(xué)習(xí)的聯(lián)系。第2章介紹深度學(xué)習(xí)中最為重要的梯度下降算法。第3章介紹卷積函數(shù)。第4章介紹計(jì)算損失函數(shù)所使用的交叉熵、決策樹和信息熵。第5章

本書系統(tǒng)闡述遷移學(xué)習(xí)的解決方法和典型應(yīng)用。首先，論述了遷移學(xué)習(xí)的基本概念、方法分類及發(fā)展歷程，介紹了遷移學(xué)習(xí)的相關(guān)基礎(chǔ)知識(shí)。然后，探討了遷移學(xué)習(xí)的基本方法，包括基于樣本、基于特征、基于模型和基于關(guān)系的遷移學(xué)習(xí)方法，闡述了深度遷移學(xué)習(xí)的經(jīng)典方法，包括神經(jīng)網(wǎng)絡(luò)自適應(yīng)遷移方法和神經(jīng)網(wǎng)絡(luò)對抗遷移方法，介紹了更加實(shí)用的部分域適應(yīng)

本書內(nèi)容主要來自作者近年的研究課題，闡述了機(jī)器嗅覺的概念、基本內(nèi)容和機(jī)器嗅覺未來技術(shù)的發(fā)展。重點(diǎn)探討類似音頻、視頻的“嗅頻”理論與技術(shù)，探討基于“嗅頻”概念的氣味信息通用性表征模式和網(wǎng)絡(luò)化傳輸及終端復(fù)現(xiàn)方法，介紹基于“基氣味”概念的氣味終端復(fù)現(xiàn)技術(shù)與雛形裝置。本書內(nèi)容不僅具有重要的理論價(jià)值，而且在科學(xué)研究、軍事國防、日