本書以科技創(chuàng)新和產(chǎn)業(yè)應(yīng)用為導(dǎo)向，全面地介紹了人工智能的理論知識、技術(shù)方法以及新興產(chǎn)業(yè)的應(yīng)用領(lǐng)域，并就人工智能面臨的社會問題、發(fā)展趨勢進行了思考和探索。本書共8章。第1到3章為人工智能基礎(chǔ)知識，分別介紹了人工智能的發(fā)展歷史和基本概念，人工智能的軟件、硬件環(huán)境，以及人工智能的應(yīng)用及關(guān)鍵技術(shù)。第4到8章介紹了人工智能的相關(guān)技

邊緣AI正在改變計算機與真實世界的交互方式，讓物聯(lián)網(wǎng)設(shè)備可以使用過去由于成本、帶寬或功耗限制而被丟棄的絕大部分傳感器數(shù)據(jù)做出決策。通過嵌入式機器學(xué)習(xí)等技術(shù)，開發(fā)者可以捕捉人類直覺并將其部署至任何目標——從超低功耗微控制器到嵌入式Linux設(shè)備。 這本實用指南為包括產(chǎn)品經(jīng)理和技術(shù)領(lǐng)導(dǎo)者在內(nèi)的工程專業(yè)人士提供了一個端到端

本書主要介紹了梯度下降和PyTorch的Autograd；訓(xùn)練循環(huán)、數(shù)據(jù)加載器、小批量和優(yōu)化器；二元分類器、交叉熵損失和不平衡數(shù)據(jù)集；決策邊界、評估指標和數(shù)據(jù)可分離性等內(nèi)容。

本書共分為三部分，內(nèi)容包括：概述、基于輿情現(xiàn)象識別視角的網(wǎng)絡(luò)輿情預(yù)測、政府媒體在網(wǎng)絡(luò)輿情演化中的傳播力與影響力研究。具體內(nèi)容包括：緒論；相關(guān)理論與技術(shù)概述；面向非均衡事件子集的輿情反轉(zhuǎn)預(yù)測；網(wǎng)絡(luò)暴力類輿情事件演化及預(yù)測等。

本書在全面介紹生成式人工智能和ChatGPT應(yīng)用的同時，也幫助讀者對這兩項技術(shù)、架構(gòu)及使用方法進行多方位理解，包括生成式人工智能的技術(shù)背景、開發(fā)過程和發(fā)展現(xiàn)狀。本書有助于展現(xiàn)生成式AI技術(shù)在不同行業(yè)中實現(xiàn)效益的創(chuàng)新應(yīng)用和潛在價值。最后，本書指出了各個行業(yè)中適合進一步研究和發(fā)展的領(lǐng)域，這些領(lǐng)域在不久的將來將能夠借助生成式

本書分為基礎(chǔ)篇、中級篇和高級篇，主要介紹人工智能的原理和編程實現(xiàn)案例，內(nèi)容包括人工智能技術(shù)的發(fā)展過程，人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、優(yōu)化方法、正則化方法和訓(xùn)練方法，前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)的各種獲取方法和處理方法，大語言模型等。本書的編程部分從利用Python實現(xiàn)AI算法，過渡到利用高級框架keras，使讀

人工智能在音樂、美術(shù)、工業(yè)和科學(xué)等領(lǐng)域的創(chuàng)造性過程中發(fā)揮著非常重要的作用，特別是隨著大模型技術(shù)的發(fā)展，AI在藝術(shù)創(chuàng)作、工業(yè)設(shè)計、產(chǎn)品建模等領(lǐng)域發(fā)揮著越來越重要的作用，而虛擬現(xiàn)實、增強現(xiàn)實以及元宇宙等新概念、新模式正在改變著教育、醫(yī)療、購物等生產(chǎn)生活的方式。本書從AI生成模型出發(fā)，深入全面介紹AI創(chuàng)造所涉及的理論方法。而

本書主要介紹了人工智能平臺搭建、基于人工智能的機器系統(tǒng)應(yīng)用、基于人工智能的機器人場景應(yīng)用、基于人工智能的語音控制應(yīng)用和基于人工智能的機器視覺應(yīng)用五個項目。本書內(nèi)容緊跟新一代信息技術(shù)和人工智能主流技術(shù)的發(fā)展，以培養(yǎng)學(xué)生的人工智能技術(shù)應(yīng)用能力為目標；以項目、任務(wù)為導(dǎo)向，將相關(guān)知識的講解貫穿在任務(wù)的實施過程中，強調(diào)職業(yè)教育教

本書系統(tǒng)地闡述了不完全信息和通信能力受限情形下幾類離散神經(jīng)網(wǎng)絡(luò)的多指標狀態(tài)估計方法。全書共11章，主要涉及方差約束、H性能、橢球約束等指標。具體包括：第1章緒論；基于狀態(tài)增廣方法，第2章至第4章給出了幾類離散時變神經(jīng)網(wǎng)絡(luò)的方差約束H狀態(tài)估計方法，揭示了隨機發(fā)生非線性、測量丟失、傳感器飽和、測量衰減以及事件觸發(fā)通信協(xié)議對

深度學(xué)習(xí)技術(shù)與應(yīng)用（TensorFlow版）