PyTorch是基于Torch庫的開源機器學習庫，它主要由Meta（原Facebook）的人工智能研究實驗室開發(fā)，在自然語言處理和計算機視覺領域都具有廣泛的應用。本書介紹了簡單且經(jīng)典的入門項目，方便快速上手，如MNIST數(shù)字識別，讀者在完成項目的過程中可以了解數(shù)據(jù)集、模型和訓練等基礎概念。本書還介紹了一些實用且經(jīng)典的模

本書從貝葉斯理論的基本原理講起，逐步深入算法、機器學習、深度學習，并配合項目案例，重點介紹了基于貝葉斯理論的算法原理，及其在機器學習中的應用。 本書分為10章，涵蓋了貝葉斯概率、概率估計、貝葉斯分類、隨機場、參數(shù)估計、機器學習、深度學習、貝葉斯網(wǎng)絡、動態(tài)貝葉斯網(wǎng)絡、貝葉斯深度學習等。本書涉及的應用領域包含機器學習、圖

本書全面、深入地探討了人工智能（AI）領域的理論和實踐，以統(tǒng)一的風格將當今流行的人工智能思想和術語融合到引起廣泛關注的應用中，真正做到理論和實踐相結合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關思想，內容主要包括邏輯、概率和連續(xù)數(shù)學，感知、推理、學習和行動，公平、信任、

本書系統(tǒng)介紹了5G物聯(lián)網(wǎng)端管云協(xié)同設計理念，主要內容包括基于STM32單片機的感知終端開發(fā)、基于5GNB-IoT和NR的感知數(shù)據(jù)處理與傳輸、采用公有云和自建云的物聯(lián)數(shù)據(jù)存儲與Grafana可視化平臺，最后通過4個典型的物聯(lián)網(wǎng)綜合應用和兩個物聯(lián)網(wǎng)競賽獲獎實戰(zhàn)案例，助力讀者掌握面向端管云協(xié)同設計的物聯(lián)網(wǎng)應用項目開發(fā)。為提高

本書全面、深入地探討了人工智能（AI）領域的理論和實踐，以統(tǒng)一的風格將當今流行的人工智能思想和術語融合到引起廣泛關注的應用中，真正做到理論和實踐相結合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關思想，內容主要包括邏輯、概率和連續(xù)數(shù)學，感知、推理、學習和行動，公平、信任、

機器學習是人工智能的重要技術基礎，涉及的內容十分廣泛。本書涵蓋了機器學習和深度學習的基礎知識，主要包括機器學習的概述、統(tǒng)計學基礎、分類、聚類、神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡、支持向量機、文本分析、分布式機器學習算法等經(jīng)典的機器學習基礎知識，還包括卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、生成對抗網(wǎng)絡、目標檢測、自編碼器等深度學習的內容。此外，

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，將基于深度學習的目標檢測的相關論文中的理論和方法呈現(xiàn)給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側重對卷積神經(jīng)網(wǎng)絡的介紹，而深度學習的內容不止于此。所以，作者將深度學習分為有監(jiān)督學習、無監(jiān)督學習和強化學習三類，將圖像分類、目標檢測、

本書致力于介紹圖神經(jīng)網(wǎng)絡的基本概念和算法、研究前沿以及廣泛和新興的應用，涵蓋圖神經(jīng)網(wǎng)絡的廣泛主題，從基礎到前沿，從方法到應用，涉及從方法論到應用場景方方面面的內容。全書分為四部分：第一部分介紹圖神經(jīng)網(wǎng)絡的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡典型的前沿領域；第四部分描述可能對圖神經(jīng)網(wǎng)絡未來研

神經(jīng)網(wǎng)絡與深度學習是人工智能研究的重要領域，是機器學習的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的科學。本書緊緊圍繞神經(jīng)網(wǎng)絡和深度學習的基礎知識體系進行系統(tǒng)的梳理，力求從基礎理論、經(jīng)典模型和前沿應用展開論述，便于讀者能夠較為全面地掌握深度學習的相關知識。全書共16章。第1章是緒論，簡要介紹人工智

本書通過扎實、詳細的內容和清晰的結構，從算法理論、算法源碼、實驗結果等方面對深度學習算法進行分析和介紹。本書共三篇，第一篇主要介紹深度學習在計算機視覺方向的一些卷積神經(jīng)網(wǎng)絡，從基礎骨干網(wǎng)絡、輕量級CNN、模型架構搜索3個方向展開，介紹計算機視覺方向的里程碑算法；第二篇主要介紹深度學習在自然語言處理方向的重要突破，包括基