使用機器學(xué)習(xí)技術(shù)解決實際應(yīng)用問題涉及模型的建立、訓(xùn)練及評估等步驟。優(yōu)化算法常被用于訓(xùn)練模型的參數(shù)，是機器學(xué)習(xí)的重要組成部分。機器學(xué)習(xí)模型的訓(xùn)練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識。基于梯度的算法（例如加速梯度法、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM

本書是《動手學(xué)深度學(xué)習(xí)》的重磅升級版本，選用PyTorch深度學(xué)習(xí)框架，旨在向讀者交付更為便捷的有關(guān)深度學(xué)習(xí)的交互式學(xué)習(xí)體驗。 本書重新修訂《動手學(xué)深度學(xué)習(xí)》的所有內(nèi)容，并針對技術(shù)的發(fā)展，新增注意力機制、預(yù)訓(xùn)練等內(nèi)容。本書包含15章，第一部分介紹深度學(xué)習(xí)的基礎(chǔ)知識和預(yù)備知識，并由線性模型引出基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)——多層感知機

機器學(xué)習(xí)是人工智能的一個方向。它是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、矩陣論、神經(jīng)網(wǎng)絡(luò)、計算機等多門學(xué)科。其目標是使用計算機模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動，從現(xiàn)有大量的數(shù)據(jù)中學(xué)習(xí)，利用經(jīng)驗不斷改善系統(tǒng)性能。機器學(xué)習(xí)步驟一般分為獲取數(shù)據(jù)、數(shù)據(jù)預(yù)處理、建立模型、模型評估和預(yù)測。本書共6章。第1章節(jié)主要介紹機器學(xué)習(xí)的基本概念及其

2017年，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學(xué)開設(shè)人工智能相關(guān)課程，并提倡以計算思維為指導(dǎo)，將信息技術(shù)課程從技術(shù)導(dǎo)向轉(zhuǎn)換為科學(xué)導(dǎo)向。因此，機器學(xué)習(xí)作為人工智能技術(shù)的內(nèi)核，走入我國廣大中小學(xué)生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機器學(xué)習(xí)模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框

本書的主體內(nèi)容包括機器學(xué)習(xí)概念與特征工程、機器學(xué)習(xí)技術(shù)、模型關(guān)系管理，其中，模型關(guān)系管理部分主要介紹了弱集成學(xué)習(xí)、強集成學(xué)習(xí)和混合專家模型。弱集成學(xué)習(xí)是指使用機器學(xué)習(xí)中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學(xué)習(xí)是指協(xié)同特征工程與強分類器形成強集成學(xué)習(xí)環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經(jīng)網(wǎng)絡(luò)集成和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計形成深

人工智能是一項高科技技術(shù)，也是計算機技術(shù)的一個重要分支，此技術(shù)是以人工的方法，對人類的行動和思維進行模仿，同時在人的智能基礎(chǔ)上進行拓展。人工智能應(yīng)用面比較廣泛，可代替人類進行各個方面的工作，可以說大大提高了人類在日常生活工作中的效率。但人工智能具有兩面性，對人類有好的一面也有不好的一面。因此，本書將結(jié)合人工智能技術(shù)的發(fā)

本書是近年來作者對混合智能系統(tǒng)研究成果及經(jīng)驗的總結(jié)。本書界定了混合智能系統(tǒng)的研究范圍和研究層次，給出了混合智能系統(tǒng)的概念。以設(shè)計科學(xué)的思想為基礎(chǔ)，以基于案例推理的混合智能系統(tǒng)技術(shù)選擇為核心，依據(jù)“從定性到定量綜合集成研討廳”的基本思想，提出了基于案例推理的混合智能系統(tǒng)構(gòu)造方法。在對串型混合智能系統(tǒng)、并型混合智能系統(tǒng)、反

《自動控制原理（第2版）》主要內(nèi)容包括控制系統(tǒng)的數(shù)學(xué)模型，線性系統(tǒng)的時域分析法、根軌跡法、頻域分析法、綜合與校正，非線性系統(tǒng)的分析，線性離散系統(tǒng)的分析。本書著重于基本概念、基本理論和基本分析方法，并附加學(xué)習(xí)資源，掃描書中的二維碼可隨時完成基本測試題練習(xí)并查看參考答案。本書在國家智慧教育公共服務(wù)平臺有配套在線課程，可供讀

本書將人工智能與人類智慧深度融合，系統(tǒng)、全面地介紹了類腦智能目標檢測網(wǎng)絡(luò)的構(gòu)建原理、方法、過程，具有較高的學(xué)術(shù)價值；同時，本書將所構(gòu)建的類腦智能目標檢測網(wǎng)絡(luò)在無人車交通標志檢測、無人車-機械臂協(xié)同作業(yè)這兩個場景進行了示范應(yīng)用，具有較大的工程應(yīng)用價值。本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統(tǒng)研究的科研工作者

本書以人工智能下的大數(shù)據(jù)時代為背景,從數(shù)據(jù)素養(yǎng)、數(shù)據(jù)分析基礎(chǔ)、統(tǒng)計分析、機器學(xué)習(xí)多個維度全面系統(tǒng)地介紹了如何探索數(shù)據(jù)、整理數(shù)據(jù)并分析數(shù)據(jù)。本書沒有給出晦澀難懂的數(shù)學(xué)公式,也不涉及復(fù)雜煩瑣的程序代碼,而是在闡述基本原理的基礎(chǔ)上,輔以簡潔的Python程序,讓讀者能夠快速入門,提升個人的數(shù)據(jù)綜合素養(yǎng)。