本書以TensorFlow2深度學習的常用技術與真實案例相結合的方式,深入淺出介紹TensorFlow2深度學習的重要內容。全書共7章,內容包括深度學習入門、TensorFlow2快速入門、深度神經網絡原理及實現(xiàn)、基于CNN的門牌號識別、基于LSTM的語音識別、基于CycleGAN的圖像風格轉換等技術,以及如何使用Ti

據(jù)聯(lián)合國預測，2050年全球將達到100億人口。本書認為，地球養(yǎng)活100億人口是一個巨大的挑戰(zhàn)，人類將面臨“FEW”困境。“FEW”是食物(Food)、能源(Energy)、水(Water)三個英文單詞的首字母縮寫，是人類生存與發(fā)展不可或缺的基礎性資源。然而，隨著地球上人口的增長，食物安全、淡水資源短缺、化石能源枯竭等

類腦人工智能是研究、開發(fā)用于模擬、延伸和擴展人腦智能的理論、方法及應用的技術科學，將類腦人工智能技術應用于目標檢測與跟蹤，可大幅提升復雜背景、干擾條件下的目標檢測概率及跟蹤精度，具有重要而廣泛的應用前景。本書系統(tǒng)闡述了人腦視覺信息處理機制的基本原理、主要特性、數(shù)學建模及算法設計等。同時，結合深度神經網絡（DNN）、類腦

語言智能處理一直是人工智能領域的重要研究方向之一。本書按照研究歷程與現(xiàn)狀、關鍵技術與方法、發(fā)展趨勢與展望的基本脈絡，重點介紹了語言智能處理中的語言模型與知識表示、語言分析技術、語言情感分類、自然語言生成技術、自動問答與人機對話、機器翻譯、信息檢索與信息推薦等主題。本書所描述的內容涉及人們日常生活中的真實應用場景，理論與

本書系統(tǒng)地描述了深度學習的基本理論算法及應用。全書共14章，第1~3章論述了數(shù)學基礎、機器學習基礎和深度學習基礎；第4~7章介紹了一些經典網絡及計算機視覺領域中常用的CNN、RNN、GAN等網絡結構技術；第8~9章介紹了深度學習在計算機視覺領域的目標檢測及圖像分割兩大應用；第10~14章介紹了計算機視覺領域主要的優(yōu)化方

本書的目標，是讓非機器學習領域甚至非計算機專業(yè)出身但有學習需求的人，輕松地掌握機器學習的基本知識，從而擁有相關的實戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學習機器學習的對話展開，內容輕松，實戰(zhàn)性強，主要包括機器學習快速上手路徑、數(shù)學和Python基礎知識、機器學習基礎算法（線性回歸和邏輯回歸）、深度神經網絡、卷積

本書從神經網絡的基礎知識講起，逐步深入到Python進階實戰(zhàn)，通過對各種實用的第三方庫進行詳細講解與實戰(zhàn)運用，讓讀者不但能夠更加深入地了解神經網絡，而且能夠簡單高效地搭建自己的神經網絡，即使沒有專業(yè)背景知識也能輕松入門神經網絡。 本書分為11章，涵蓋的主要內容有神經網絡概述，神經網絡基礎知識，計算機程序的特點，神經網絡

本書全面系統(tǒng)地講解了深度學習相關的知識。全書共8章，內容包括深度學習簡介及TensorFlow安裝，神經網絡基礎、神經網絡的TensorFlow實現(xiàn)、卷積神經網絡基礎、經典卷積神經網絡（上）、經典卷積神經網絡（下）、深度學習用于文本序列和深度學習實驗項目等內容。 本書以知識體系為基礎，以課堂案例為載體，采取理論與實踐相

增強現(xiàn)實（AR）作為虛擬現(xiàn)實的一個技術延伸，是虛擬與現(xiàn)實的連接入口，是一種實時計算攝像機捕捉到的現(xiàn)實影像的位置及角度并加上相應虛擬信息的技術。伴隨著AR技術迅速發(fā)展的是其3D實感攝像設備的快速更新。將這些3D實感攝像設備結合物聯(lián)網技術可廣泛應用于導航與定位、遠程醫(yī)療、智能家居控制等多種領域。本書從系統(tǒng)設計的角度出發(fā)，由

本書采用技術分析與場景描述相結合的模式，圍繞物聯(lián)網體系結構、關鍵技術和安全防控等方面進行系統(tǒng)的介紹。本書主要包括物聯(lián)網概述、物聯(lián)網基礎知識、物聯(lián)網數(shù)據(jù)服務、場景角度的IoT安全、技術角度的IoT安全、物聯(lián)網流量安全、區(qū)塊鏈與物聯(lián)網安全七部分內容。