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(jìn)行了研究。

本書理論與實踐相結(jié)合，系統(tǒng)闡述強化學(xué)習(xí)的基礎(chǔ)知識，以及如何動手編寫智能體以執(zhí)行一系列實際任務(wù)。通過閱讀本書，讀者將獲得深層Q網(wǎng)絡(luò)、策略梯度方法、連續(xù)控制問題以及高度可擴展的非梯度方法等主題領(lǐng)域的可行洞見，還將學(xué)會如何構(gòu)建一個經(jīng)過強化學(xué)習(xí)訓(xùn)練、價格低廉的真實硬件機器人，并通過一步步代碼優(yōu)化在短短30分鐘的訓(xùn)練后解決Pon

本書主要介紹了人工智能的基礎(chǔ)知識和實用技術(shù)。本書共8章，包括“人工智能：開啟智慧新時代”“Python：人工智能開發(fā)語言”“線性回歸：預(yù)測未來趨勢”“分門別類：幫你‘分而治之’”“物以類聚：發(fā)現(xiàn)新簇群”“個性化推薦：主動滿足你的需求”“語音識別：讓機器對你言聽計從”“人臉識別：機器也認(rèn)識你”。 本書以培養(yǎng)學(xué)生人工智能素

本書從深度學(xué)習(xí)的發(fā)展歷程開始，系統(tǒng)介紹了基于深度學(xué)習(xí)的目標(biāo)檢測的基本問題及其相關(guān)處理方法與技術(shù)，主要內(nèi)容涉及兩階段和單階段目標(biāo)檢測的理論、算法和研究成果。本書共6章，包括深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)類型、目標(biāo)檢測技術(shù)、基于FasterR-CNN的目標(biāo)檢測改進(jìn)算法、領(lǐng)域自適應(yīng)及其在目標(biāo)檢測技術(shù)上的典型應(yīng)用、圖像識別模型改進(jìn)及面部表情

本書源于阿里巴巴千億級知識圖譜構(gòu)建與產(chǎn)業(yè)化應(yīng)用的工作總結(jié)，對知識圖譜理論和大規(guī)模工業(yè)實踐進(jìn)行了全面和深入的闡述。本書以阿里巴巴的實戰(zhàn)經(jīng)驗為中心，以深厚的理論成果為支撐，詳細(xì)闡述了知識圖譜的方方面面。首先介紹工業(yè)場景下知識圖譜的現(xiàn)狀、存在的問題和架構(gòu)設(shè)計；然后從知識表示、知識融合、知識獲取、知識推理、知識存儲和知識圖譜前