本書全面介紹了人工智能(AI)和機器學習(ML)的理論和應用。與僅僅從理論或?qū)嵺`的角度來看待這個領域不同，本書將這兩個角度結合在了一起，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技術和動態(tài)ML技術的概念和理論方面。第4部分描述了所提出的技術可以應用的實際應用

本書原版在2013年獲得日本計測與自動控制學會著作獎,是日本大學廣泛采用的自動控制教科書.是一本面向本科和專科層次的、結合當今控制技術發(fā)展的經(jīng)典控制理論教科書.為便于初學者理解,譯著對原書部分內(nèi)容進行了編排,進而突出了重點,對各種數(shù)學公式的表達方式和含義進行了詳盡的說明.特別對微分方程式與經(jīng)典控制論的關聯(lián)性、與控制學相

深度學習是當前的人工智能領域的技術熱點。本書面向高等院校理工科專業(yè)學生的需求，介紹深度學習相關概念，培養(yǎng)學生研究、利用基于各類深度學習架構的人工智能算法來分析和解決相關專業(yè)問題的能力。本書內(nèi)容包括深度學習概述、人工神經(jīng)網(wǎng)絡基礎、卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡、生成對抗網(wǎng)絡和深度強化學習、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、人工智能和深度學習技術，專門為軟件工程師和數(shù)據(jù)科學家設計。第1章逐步介紹神經(jīng)網(wǎng)絡的基礎知識。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)絡及其在圖像處理中的應用。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)代的深度學習模型。章節(jié)分為三類:第1部分為神經(jīng)網(wǎng)絡的基礎。許多傳統(tǒng)的機器學習模型可以理解為神經(jīng)網(wǎng)絡的特殊情況。前兩章的重點是理解傳統(tǒng)機器學習和神經(jīng)網(wǎng)絡之間的關系。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。

本教材主要面向機械類、機器人類及其他非控制專業(yè)本科生，內(nèi)容包括控制的基本概念、發(fā)展歷程，控制系統(tǒng)的動態(tài)數(shù)學模型、時域瞬態(tài)響應分析、誤差分析和計算、頻率特性、穩(wěn)定性分析、綜合與校正，以及各章相關的MATLAB仿真。本教材以機電系統(tǒng)作為主要控制對象，對其數(shù)學模型和時域、頻域分析綜合進行重點介紹；著重基本概念的建立和解決機電

本書理論與實踐相結合，系統(tǒng)闡述強化學習的基礎知識，以及如何動手編寫智能體以執(zhí)行一系列實際任務。通過閱讀本書，讀者將獲得深層Q網(wǎng)絡、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域的可行洞見，還將學會如何構建一個經(jīng)過強化學習訓練、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分鐘的訓練后解決Pon

本書主要介紹了人工智能的基礎知識和實用技術。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：機器也認識你”。 本書以培養(yǎng)學生人工智能素

本書從深度學習的發(fā)展歷程開始，系統(tǒng)介紹了基于深度學習的目標檢測的基本問題及其相關處理方法與技術，主要內(nèi)容涉及兩階段和單階段目標檢測的理論、算法和研究成果。本書共6章，包括深度學習神經(jīng)網(wǎng)絡類型、目標檢測技術、基于FasterR-CNN的目標檢測改進算法、領域自適應及其在目標檢測技術上的典型應用、圖像識別模型改進及面部表情

本書源于阿里巴巴千億級知識圖譜構建與產(chǎn)業(yè)化應用的工作總結，對知識圖譜理論和大規(guī)模工業(yè)實踐進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、存在的問題和架構設計；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