人工智能是一門發(fā)展極其迅速且內(nèi)容豐富的學(xué)科,其眾多分支領(lǐng)域都值得大家去探索和學(xué)習(xí)。《人工智能基礎(chǔ)與進(jìn)階》分為基礎(chǔ)篇和進(jìn)階篇兩個篇章。其中,基礎(chǔ)篇內(nèi)容包括了人工智能的基本概念、人工智能的發(fā)展歷史、計算機(jī)與環(huán)境感知、簡單幾何形狀的識別、人工智能搜索算法;進(jìn)階篇則包括大數(shù)據(jù)的定義、知識與推理、回歸與分類、深度學(xué)習(xí)網(wǎng)絡(luò)、感知信
深度學(xué)習(xí)網(wǎng)絡(luò)正變得越來越小。谷歌助理(GoogleAssistant)團(tuán)隊可以在微控制器上運(yùn)行只有14KB大小的模型來檢測單詞。這本實(shí)用的書將帶你進(jìn)入TinyML的世界,讓深度學(xué)習(xí)和嵌入式系統(tǒng)結(jié)合在一起,用微小的設(shè)備創(chuàng)造出驚奇的事業(yè)。
隨著人工智能技術(shù)的發(fā)展,深度學(xué)習(xí)成為最受關(guān)注的領(lǐng)域之一。在深度學(xué)習(xí)的諸多開發(fā)框架中,TensorFlow是最受歡迎的開發(fā)框架。本書以培養(yǎng)人工智能編程思維和技能為核心,以工作過程為導(dǎo)向,采用任務(wù)驅(qū)動的方式組織內(nèi)容。全書共分為8個任務(wù),任務(wù)1介紹深度學(xué)習(xí)的發(fā)展歷程、應(yīng)用領(lǐng)域以及開發(fā)環(huán)境的搭建過程;任務(wù)2介紹TensorFl
本書以人機(jī)界面評價研究為背景,分析了人機(jī)界面評價研究的必要性,回顧了國內(nèi)外人機(jī)界面評價研究的現(xiàn)狀,論述了人機(jī)界面評價理論及方法。以工效學(xué)標(biāo)準(zhǔn)為基礎(chǔ),構(gòu)建了核電廠主控室人機(jī)界面評價指標(biāo)體系,開發(fā)了人機(jī)界面評價軟件。主要內(nèi)容包括人機(jī)界面評價指標(biāo)篩選方法的分析與構(gòu)建、人機(jī)界面評價指標(biāo)體系的構(gòu)建、人機(jī)界面評價指標(biāo)權(quán)重分配方法的
本書可作為通識性選修課程的教學(xué)用書。本書內(nèi)容包括人工智能的概念、知識工程、確定性和不確定性推理、搜索技術(shù)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、自然語言處理、多智能體系統(tǒng)等。全書弱化理論知識,以了解性內(nèi)容為主。通過本書的學(xué)習(xí),可使所有相關(guān)專業(yè)學(xué)生對人工智能有一個基礎(chǔ)性的認(rèn)識,方便后續(xù)相關(guān)課程的學(xué)習(xí)。
集成學(xué)習(xí)方法是一類先進(jìn)的機(jī)器學(xué)習(xí)方法,這類方法訓(xùn)練多個學(xué)習(xí)器并將它們結(jié)合起來解決一個問題,在實(shí)踐中獲得了巨大成功。全書分為三部分。第一部分主要介紹集成學(xué)習(xí)的背景知識;第二部分主要介紹集成學(xué)習(xí)方法的核心知識,包括Boosting、Bagging、RandomForests等經(jīng)典算法,平均、投票和Stacking等模型和方
本書內(nèi)容涵蓋經(jīng)典的有監(jiān)督機(jī)器學(xué)習(xí)算法,無監(jiān)督機(jī)器學(xué)習(xí)算法,深度機(jī)器學(xué)習(xí)算法,闡述從淺層學(xué)習(xí)到深度學(xué)習(xí),從簡單的線性模型到復(fù)雜的神經(jīng)網(wǎng)絡(luò)非線性模型的原理與應(yīng)用。書中每個章節(jié)遵循先簡介理論基礎(chǔ),再構(gòu)建數(shù)學(xué)模型,然后輔以實(shí)例分析,從理論到實(shí)踐的講解原則。每個章節(jié)可獨(dú)立閱讀,也可從前向后,從簡到難,從淺層學(xué)習(xí)到深度學(xué)習(xí),循序漸
全書共分為兩篇:在上篇中,將從浩瀚的數(shù)學(xué)海洋中擷取機(jī)器學(xué)習(xí)研究人員最為必須和重要的數(shù)學(xué)基礎(chǔ)。內(nèi)容主要包括:微積分(含場論)、數(shù)值計算和常用最優(yōu)化方法、概率論基礎(chǔ)與數(shù)理統(tǒng)計、線性代數(shù)等。在下篇中,將選取機(jī)器學(xué)習(xí)中最為常用的算法和模型進(jìn)行講解,這部分內(nèi)容將涉及(廣義)線性回歸、圖模型(包含貝葉斯網(wǎng)絡(luò)和HMM等)、分類算法(
本書介紹卷積神經(jīng)網(wǎng)絡(luò)的核心——錯綜復(fù)雜的細(xì)節(jié)和算法的微妙之處。主要包括卷積神經(jīng)網(wǎng)絡(luò)的高級主題和使用Keras和TensorFlow的對象檢測。
本書由交互設(shè)計界的三位學(xué)者聯(lián)袂撰寫,是該領(lǐng)域的經(jīng)典著作,被全球各地的大學(xué)選作教材。新版本繼承了本書一貫的跨學(xué)科特色,并與時俱進(jìn)地新增一章討論數(shù)據(jù)分析,同時補(bǔ)充了新的發(fā)展成果。書中包含大量實(shí)例,涉及敏捷用戶體驗、社會媒體與情感交互、混合現(xiàn)實(shí)與腦機(jī)界面等。全書緊緊圍繞設(shè)計與評估的迭代過程,不僅包含了傳統(tǒng)的理論知識、實(shí)例解析