近年來，Python語言成為了廣受歡迎的編程語言，而它在機器學習領域也有很好的表現(xiàn)。scikit-learn是一個用Python語言編寫的機器學習算法庫，它可以實現(xiàn)一系列常用的機器學習算法，是一個好工具。 本書通過14章內(nèi)容，詳細地介紹了一系列機器學習模型和scikit-learn的使用技巧。本書從機器學習的基礎理論講

本書旨在介紹作者及其研究團隊在分布式優(yōu)化與學習理論方面的**研究成果。全書共7章，第1、2章為緒論和相關數(shù)學基礎；第3、4章為連續(xù)時間和基于采樣數(shù)據(jù)的分布式優(yōu)化算法；第5、6章分別為基于群體智能的分布式優(yōu)化算法和分布式機器學習算法；第7章為基于自適應神經(jīng)網(wǎng)絡輸出反饋控制的分布式合作學習方案設計。本書主要關注從分布式技術(shù)

本書全面講述人工智能與大數(shù)據(jù)涉及的技術(shù)，學完本書后，讀者將對人工智能技術(shù)有全面的理解，并能掌握AI整體知識架構(gòu)。 本書共分16章，內(nèi)容包括人工智能概述、AI產(chǎn)業(yè)、數(shù)據(jù)、機器學習概述、模型、機器學習算法、深度學習、TensorFlow、神經(jīng)網(wǎng)絡、知識圖譜、數(shù)據(jù)挖掘，以及銀行業(yè)、醫(yī)療、公安、工農(nóng)業(yè)等行業(yè)人工智能應用情況。

本書以深度核機器學習技術(shù)為對象，介紹了支持向量機技術(shù)、多核學習技術(shù)和深度學習技術(shù)的相關內(nèi)容。包括基本原理、主流算法形式、參數(shù)設計策略以及相應的實驗分析等，并結(jié)合圖像特征提取和遙感圖像目標識別等場景闡述了先進機器學習的典型應用案例。

《核能未來與Z箍縮驅(qū)動聚變裂變混合堆》是中國工程物理研究院研究團隊多年在Z箍縮驅(qū)動聚變裂變混合堆研究方面的總結(jié)，也是對這條能源技術(shù)路線的論證。在論證過程中，研究團隊獲得了如下具有科學意義的重要認識：①純聚變能源經(jīng)濟上沒有競爭力，也不可能取之不盡、用之不竭；②對慣性約束聚變能源而言，驅(qū)動器必須在約10ns時間之內(nèi)向聚變靶

流形學習是機器學習研究的一個熱點方向，在許多領域中有著廣泛的應用。本書從非線性維數(shù)約簡的角度系統(tǒng)闡述了流形學習的基本概念、典型算法以及研究成果。全書共分七章。第一章介紹流形學習的研究背景及現(xiàn)狀；第二章討論了經(jīng)典的流形學習算法；第三至六章主要介紹噪聲流形學習、改進無監(jiān)督流形學習、監(jiān)督流形學習和半監(jiān)督流形學習算法；第七章介

本教材中的內(nèi)容采用項目化方式，內(nèi)容深入淺出、實踐性強，其把理論知識融入到項目實踐過程中，由淺入深，引導學生學習。項目的設計上采用行業(yè)主流技術(shù)和開發(fā)平臺，項目內(nèi)容貼合行業(yè)應用，具有很強的適應性和實用性。

本書首先闡述深度學習的理論基礎，接著介紹TensorFlow的基本知識，以此為基礎，結(jié)合實際案例，對深度學習中常見的網(wǎng)絡進行闡述，并附代碼參考與結(jié)果圖。

形式概念分析是人工智能中數(shù)據(jù)挖掘的有效工具。概念格的構(gòu)造理論是形式概念分析的熱點研究內(nèi)容之一。本書主要講述經(jīng)典概念格、三支概念格、三支面向?qū)ο?屬性)概念格、區(qū)間形式的概念格的構(gòu)造方法、算法以及L-模糊三支概念格及其不確定性分析并且分析這幾種概念格之間的聯(lián)系。

本書從人類大腦的進化介紹到人工智能的發(fā)展歷程，小小極客可以暢想人工智能的應用方式！