作為國內(nèi)人工智能領(lǐng)域的創(chuàng)新性實驗教材，本書重點介紹各類深度學(xué)習(xí)框架和算法，涵蓋圖像、視頻、語音和文本等人工智能技術(shù)廣泛應(yīng)用的多個領(lǐng)域，涉及分類、識別、檢測、多模態(tài)和三維重建等多類實驗任務(wù)。書中選取的實驗分別介紹了相關(guān)背景、所涉及的深度網(wǎng)絡(luò)模型框架和實驗操作，實驗操作部分描述了實驗代碼、操作步驟、數(shù)據(jù)集、評估準則、所應(yīng)用

本書是根據(jù)全國高等院校電氣工程及自動化類專業(yè)系列教材教學(xué)指導(dǎo)小組制定的教材規(guī)劃而編寫的，為全國本科應(yīng)用型系列教材。書中系統(tǒng)地介紹了自動控制理論的基本內(nèi)容，并著重闡述了控制系統(tǒng)的基本概念、基本理論和基本分析方法。全書共分九章，主要內(nèi)容有：控制系統(tǒng)的組成及數(shù)學(xué)模型、時域分析法、根軌跡法、頻域分析法、控制系統(tǒng)的校正、離散控制

智能電子系統(tǒng)設(shè)計是智能制造的重要基礎(chǔ)，涉及的概念、原理、方法與技術(shù)眾多。本書由電子系統(tǒng)概述、模擬電子系統(tǒng)設(shè)計、數(shù)字電子系統(tǒng)設(shè)計、微控制器電子系統(tǒng)設(shè)計、智能裝備中電子系統(tǒng)設(shè)計以及電子系統(tǒng)PCB設(shè)計基礎(chǔ)六部分組成。內(nèi)容包括電子系統(tǒng)設(shè)計一般方法、放大電路設(shè)計、模擬濾波器設(shè)計、邏輯和時序邏輯電路設(shè)計、CPLD/FPGA設(shè)計基礎(chǔ)

本書是一本講解人工智能時代所面臨的安全性挑戰(zhàn)的綜合性教材，比較全面地介紹了人工智能安全的基本原理和主要防治技術(shù)，對人工智能安全的產(chǎn)生機理、特點、危害表現(xiàn)以及防治技術(shù)進行了比較深入的分析和探討。其中，第1章介紹了人工智能的基礎(chǔ)知識和人工智能的安全問題；第2-4章分別介紹了投毒攻擊與防御、對抗攻擊與防御技術(shù)和后門攻擊與防御

本書基于作者多年來在動態(tài)數(shù)據(jù)挖掘方面的研究成果，全面系統(tǒng)地總結(jié)了集成學(xué)習(xí)及其在動態(tài)數(shù)據(jù)挖掘領(lǐng)域的基礎(chǔ)理論與實際應(yīng)用方面的最新研究，引導(dǎo)讀者從理論到實踐再到應(yīng)用，由淺入深地學(xué)習(xí)如何將集成學(xué)習(xí)應(yīng)用于動態(tài)數(shù)據(jù)挖掘領(lǐng)域。本書從理論研究基礎(chǔ)和代表性方法的角度介紹集成學(xué)習(xí)的基礎(chǔ)知識，并針對時間序列和數(shù)據(jù)流兩種不同類型的動態(tài)數(shù)據(jù)及其

導(dǎo)航與控制是當前智能無人系統(tǒng)的研究熱點與難點，尤其是針對多運動體無人系統(tǒng)，高精度的導(dǎo)航定位服務(wù)與優(yōu)異的協(xié)同控制性能是高效執(zhí)行復(fù)雜任務(wù)的前提。協(xié)同導(dǎo)航定位技術(shù)是保障多運動體無人系統(tǒng)長航時、高精度定位服務(wù)的有效手段，智能協(xié)同控制則可以進一步提升多運動體無人系統(tǒng)執(zhí)行任務(wù)的效率。本書結(jié)合作者團隊多年的科研成果，系統(tǒng)介紹智能無人

本書采用圖形化的方法講解人工智能和機器學(xué)習(xí)的知識與技術(shù)，并且借用圖形化軟件KNIME采用拖、拉、拽等“傻瓜式”的操作完成從簡單到復(fù)雜的機器學(xué)習(xí)項目。全書分為三個部分，分別是人工智能技術(shù)入門、傳統(tǒng)機器學(xué)習(xí)和深度學(xué)習(xí)。本書具有圖說圖解、自上而下、夠用即止、實戰(zhàn)掌握的特點，操作步驟描述詳細，圖文并茂，內(nèi)容翔實、詳略得當。

本書對接智能語音開發(fā)運維崗位要求、人工智能語音應(yīng)用開發(fā)1+X職業(yè)技能等級標準，內(nèi)容涉及語音及智能語音相關(guān)技術(shù)的基本概念與簡單應(yīng)用，并對語音識別、聲紋識別、語音合成、語音評測等重點應(yīng)用的技術(shù)框架和開發(fā)技術(shù)進行了介紹。本書以“必須、夠用”為原則，以培養(yǎng)學(xué)生的工程應(yīng)用能力和職業(yè)素養(yǎng)為主線，將思政要素融入內(nèi)容，包含初步了解語音

本書圍繞面向深度神經(jīng)網(wǎng)絡(luò)的增廣二階優(yōu)化器展開研究，在二階優(yōu)化器的基礎(chǔ)上，通過結(jié)合三次正則項，構(gòu)建能利用高階梯度信息的損失函數(shù)；為了避免計算完整的海森矩陣和進一步加速迭代收斂過程，提出了各類矩陣更新和動量加速規(guī)則，從而得到性能更優(yōu)的增廣二階優(yōu)化器。同時，面向有能耗約束和嵌入式硬件設(shè)備實施的深度估計應(yīng)用，本書分別提出了投影

本書主要介紹了垂直領(lǐng)域大模型的低算力遷移技術(shù)，包括微調(diào)、部署與優(yōu)化等方面。全書共12章，第1章從垂直領(lǐng)域大模型的生態(tài)系統(tǒng)出發(fā)，介紹了當前大模型帶來的行業(yè)變革，以及垂直領(lǐng)域遷移的動機和機遇。第2、3章詳細探討了垂直領(lǐng)域低算力遷移的技術(shù)棧、大模型的主流開源生態(tài)，如HuggingFace、Megatron等。第4-6章介紹了