本書介紹了解貝葉斯神經(jīng)網(wǎng)絡(luò)的基本原理,了解不同的關(guān)鍵BNN實現(xiàn)/近似之間的權(quán)衡,了解概率DNN在生產(chǎn)背景下的優(yōu)勢,指導(dǎo)如何實現(xiàn)各種BDL方法,以及如何將這些方法應(yīng)用于現(xiàn)實世界中的問題,了解如何評估BDL方法并為特定任務(wù)選擇最佳方法。通過本書,讀者將了解預(yù)測任務(wù)中不確定性估計的重要性,并將了解各種用于產(chǎn)生原則性不確定性估

本書介紹了ChatGPT的基本概念、原理和高級技巧，主要內(nèi)容涵蓋ChatGPT的交互性應(yīng)用、ChatGPT輔助會議紀(jì)要、ChatGPT輔助文章寫作、ChatGPT輔助文案再造、ChatGPT輔助編程、運用ChatGPT輔助網(wǎng)頁搭建、ChatGPT輔助數(shù)字圖像處理、ChatGPT輔助機(jī)器學(xué)習(xí)算法構(gòu)建、ChatGPT輔助深

《人工智能時代的教育技術(shù)及應(yīng)用》一書對人工智能和教育的融合與應(yīng)用進(jìn)行了探討和分析，以期為教育的變革與創(chuàng)新發(fā)揮力量。本書包括五章內(nèi)容，第一章對人工智能的基本理論及其對教育的影響和挑戰(zhàn)進(jìn)行了概述；第二章探討了人工智能時代教育行動的五個方向，分別是養(yǎng)成信息化思維、發(fā)揮信息處理天賦、提升信息處理能力、提高信息處理效率以及適應(yīng)信

本書主要介紹了人工智能在各個領(lǐng)域的應(yīng)用，包括人工智能與大數(shù)據(jù)的基礎(chǔ)理論、常見大數(shù)據(jù)源及應(yīng)用價值分析、人工智能驅(qū)動大數(shù)據(jù)下的企業(yè)信息化策略、人工智能驅(qū)動智慧物流大數(shù)據(jù)分析與決策、人工智能驅(qū)動智能城市交通大數(shù)據(jù)分析與決策、人工智能驅(qū)動智慧旅游大數(shù)據(jù)分析與決策、人工智能驅(qū)動大數(shù)據(jù)環(huán)境下智慧醫(yī)療的分析與決策、人工智能驅(qū)動教育大

本書分為八章，內(nèi)容涵蓋深度學(xué)習(xí)概念、深度學(xué)習(xí)框架、深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)等基礎(chǔ)知識，以及圖像分類、目標(biāo)檢測、文本分類、文本翻譯等深度學(xué)習(xí)實踐任務(wù)。

本書以普及人工智能基礎(chǔ)知識，培養(yǎng)人工智能基礎(chǔ)素養(yǎng)為目標(biāo)。以深入淺出的方式，介紹基本概念或解釋原理框架，讓學(xué)習(xí)者能切實理解和掌握人工智能的基本原理及相關(guān)應(yīng)用知識，每章都設(shè)置了難度適中的習(xí)題測試，讓學(xué)習(xí)者在測試后能夠更自信的構(gòu)建人工智能基礎(chǔ)的基本觀念與技術(shù)架構(gòu)。全書共分為6個單元，內(nèi)容包括人工智能概述、人工智能的發(fā)展、人工

《語義Web技術(shù)與應(yīng)用》一書旨在為圖書情報專業(yè)研究生提供一本有關(guān)語義Web核心技術(shù)和構(gòu)建標(biāo)準(zhǔn)的應(yīng)用教程。教程內(nèi)容涉及XML、XSLT、RDF、SKOS、OWL、SPARQL、SWRL等語義知識組織技術(shù)和OWL-S語義服務(wù)模型，培養(yǎng)學(xué)生在領(lǐng)域知識模型構(gòu)建、解析、存儲、檢索等方面的開發(fā)實踐能力，幫助學(xué)生掌握知識服務(wù)系統(tǒng)的構(gòu)

本書從知識系統(tǒng)構(gòu)建的支撐技術(shù)和制造企業(yè)的實際應(yīng)用出發(fā)，系統(tǒng)地介紹了知識工程的概念、方法和應(yīng)用。全書共7章，重點介紹了知識獲取、知識表示、知識推理及知識管理，在此基礎(chǔ)上，針對制造企業(yè)知識工程實施方法、工具展開了介紹，最后介紹了知識系統(tǒng)的結(jié)構(gòu)、開發(fā)，以及知識工程技術(shù)在機(jī)械制造領(lǐng)域的應(yīng)用。本書結(jié)合知識工程技術(shù)在制造業(yè)的應(yīng)用案

本書是一本在人工智能領(lǐng)域極具前瞻性和引領(lǐng)性的作品，書中解答了什么是通用人工智能、如何認(rèn)清智能的本質(zhì)、如何為人工智能找到統(tǒng)一理論與認(rèn)知架構(gòu)進(jìn)而為機(jī)器立“心”等重要問題，全書共分為兩個部分，總計7章，從兩個方向——“厘清通用人工智能的關(guān)鍵迷思”和“邁向通用人工智能的框架和路線圖”，重點探討了通用人工智能領(lǐng)域發(fā)展的7個重要問

本書系統(tǒng)地講解各種模型在端側(cè)平臺(含嵌入式設(shè)備、移動端設(shè)備)中的工程化實踐，重點討論模型優(yōu)化、模型輕量化設(shè)計、高性能計算、Neon編程、ARM處理器OpenCV編程、基于TFLite的端側(cè)模型部署和性能優(yōu)化、NPU和GPU推理加速等。通過本書的閱讀，讀者可以理解端側(cè)AI模型部署內(nèi)容，包括算法及算子優(yōu)化和對模型的精度、性