本書主要內(nèi)容包括機器學習中的相關(guān)數(shù)學基礎(chǔ)(線性代數(shù)、概率統(tǒng)計與信息論、最優(yōu)化方法和張量分析);樣本數(shù)據(jù)中的預處理;機器學習主流算法;基于MATLAB機器學習算法的實現(xiàn)和機器學習綜合應用、機器學習和深度學習的工程應用。本書特色是深入淺出,自成體系,注重基礎(chǔ)理論的描述,具有系統(tǒng)性、完整性、可閱讀性、應用性和前瞻性。

我們在與環(huán)境交互的過程中進行學習，經(jīng)歷的獎勵或懲罰將指導我們未來的行為。深度強化學習將該過程引入人工智能領(lǐng)域，通過分析結(jié)果來尋找最有效的前進方式。DRL智能體可提升營銷效果、預測股票漲跌，甚至擊敗**圍棋高手和國際象棋大師�！渡疃葟娀瘜W習圖解》呈現(xiàn)生動示例，指導你構(gòu)建深度學習體系。Python代碼包含詳明、直觀的注釋，

本書從硬件、軟件、算法和通信四個方面來講述一個智能系統(tǒng)完整的開發(fā)內(nèi)容,主要包括:智能系統(tǒng)相關(guān)背景、智能系統(tǒng)芯片、編譯系統(tǒng)、操作系統(tǒng)、操作系統(tǒng)軟件框架、應用軟件開發(fā)、機器學習、深度學習推框架和智能系統(tǒng)應用開發(fā)。從而讓讀者能夠全面的學習一個智能系統(tǒng)所涉及的各方面知識點,從而便于從宏觀方面理解智能系統(tǒng)。本書適合于剛開始學習計

本書為1+X職業(yè)技能等級證書(人機對話智能系統(tǒng)開發(fā))中級配套教材。本書共8個單元,21個任務,包括自然語言處理技術(shù)初探、語料數(shù)據(jù)加工處理、序列標注--詞法分析、語音交互界面VUI設計、人機對話系統(tǒng)中的自然語言處理、基于騰訊云小微的人機對話系統(tǒng)實戰(zhàn)、基于模塊的人機對話系統(tǒng)實戰(zhàn)及人機對話系統(tǒng)測評實戰(zhàn)。書中案例基于騰訊云小微

本書從人工智能的基本定義出發(fā),由淺入深地闡述了人工智能的理論、策略、研究方法和應用領(lǐng)域,以梳理知識脈絡和要點的方式,詳細介紹了知識表示、邏輯推理及方法、非確定性推理及方法、搜索策略、機器學習、深度學習、大數(shù)據(jù)等方面的內(nèi)容。作為導論書籍,本書概念論述清楚,內(nèi)容豐富,通俗易懂,在較為全面介紹人工智能的基礎(chǔ)上對一些傳統(tǒng)內(nèi)容進

目前,人工智能技術(shù)的發(fā)展以機器學習、深度學習技術(shù)為主,它能夠解決一些傳統(tǒng)人工程序無法實現(xiàn)的效果。然而,“人工智能＋”更是被寄希望于把人工智能技術(shù)應用到各行各業(yè)之中。本書不僅包含了機器學習、深度學習的算法,還側(cè)重于人工智能應用軟件的開發(fā)。書中針對人工智能相關(guān)應用和技術(shù)設計了項目式教學案例,每章從不同側(cè)面講述了人工智能應用

本書基于嵌入式人工智能開發(fā)板EAIDK-310和嵌入式虹膜門禁系統(tǒng)EAIDK-310-P20實驗平臺,使用Qt和PyQt作為界面設計和運行框架,通過在嵌入式Linux系統(tǒng)中使用Python和C++語言編寫程序代碼,實現(xiàn)視頻采集、物體分類、人臉識別、虹膜圖像預處理、虹膜圖像特征提取與匹配、虹膜圖像采集與定位顯示、虹膜識別

本書共分為10章。第1章為緒論;第2、3章分別介紹使用傳遞函數(shù)和狀態(tài)空間方程描述系統(tǒng)的方法;第4、5章使用這兩種方法分析一階系統(tǒng)與二階系統(tǒng)的時域響應;第6章介紹系統(tǒng)穩(wěn)定性的概念;第7、8章重點分析經(jīng)典控制理論中的控制器設計方法,包含比例積分控制和根軌跡法;第9章介紹系統(tǒng)的頻率響應并與濾波器的設計相結(jié)合;第10章討論現(xiàn)代

本書講述如何快速利用無服務器計算和基于云的人工智能服務的能力。介紹基礎(chǔ)知識后,將帶你領(lǐng)略第一個實際操作的無服務器人工智能項目:一個可識別任意網(wǎng)頁圖像的系統(tǒng)。在本書中,你將探索用于圖像分析的AmazonRekognition工具、云基礎(chǔ)設施部署、爬蟲服務和簡單API等技術(shù)。掌握這個有趣項目中的概念和技能后,你將著手構(gòu)建一

本書系統(tǒng)地闡述機器學習中常見的幾類模型,包括模型的思想、原理及實現(xiàn)細節(jié)等。同時,本書還結(jié)合了當前熱門的機器學習框架Sklearn,對書中所涉及的模型進行用法上詳細講解。全書共10章,第1章介紹機器學習開發(fā)環(huán)境的配置;第2章講解線性回歸模型的基本原理、回歸模型中常見的幾種評價指標,以及用于有監(jiān)督模型訓練的梯度下降算法;第