本書從知識(shí)系統(tǒng)構(gòu)建的支撐技術(shù)和制造企業(yè)的實(shí)際應(yīng)用出發(fā)，系統(tǒng)地介紹了知識(shí)工程的概念、方法和應(yīng)用。全書共7章，重點(diǎn)介紹了知識(shí)獲取、知識(shí)表示、知識(shí)推理及知識(shí)管理，在此基礎(chǔ)上，針對(duì)制造企業(yè)知識(shí)工程實(shí)施方法、工具展開了介紹，最后介紹了知識(shí)系統(tǒng)的結(jié)構(gòu)、開發(fā)，以及知識(shí)工程技術(shù)在機(jī)械制造領(lǐng)域的應(yīng)用。本書結(jié)合知識(shí)工程技術(shù)在制造業(yè)的應(yīng)用案

本書是一本在人工智能領(lǐng)域極具前瞻性和引領(lǐng)性的作品，書中解答了什么是通用人工智能、如何認(rèn)清智能的本質(zhì)、如何為人工智能找到統(tǒng)一理論與認(rèn)知架構(gòu)進(jìn)而為機(jī)器立“心”等重要問(wèn)題，全書共分為兩個(gè)部分，總計(jì)7章，從兩個(gè)方向——“厘清通用人工智能的關(guān)鍵迷思”和“邁向通用人工智能的框架和路線圖”，重點(diǎn)探討了通用人工智能領(lǐng)域發(fā)展的7個(gè)重要問(wèn)

本書系統(tǒng)地講解各種模型在端側(cè)平臺(tái)(含嵌入式設(shè)備、移動(dòng)端設(shè)備)中的工程化實(shí)踐，重點(diǎn)討論模型優(yōu)化、模型輕量化設(shè)計(jì)、高性能計(jì)算、Neon編程、ARM處理器OpenCV編程、基于TFLite的端側(cè)模型部署和性能優(yōu)化、NPU和GPU推理加速等。通過(guò)本書的閱讀，讀者可以理解端側(cè)AI模型部署內(nèi)容，包括算法及算子優(yōu)化和對(duì)模型的精度、性

本教材內(nèi)容包括機(jī)器學(xué)習(xí)概述、機(jī)器學(xué)習(xí)開發(fā)環(huán)境安裝及使用，以及8個(gè)預(yù)測(cè)任務(wù)(涵蓋監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)等知識(shí)點(diǎn))。在內(nèi)容的選取上，本教材突出數(shù)據(jù)的多樣性、方法的代表性和繼承性，通過(guò)豐富的機(jī)器學(xué)習(xí)任務(wù)深入淺出地介紹機(jī)器學(xué)習(xí)技術(shù)在現(xiàn)實(shí)生活中的應(yīng)用和實(shí)踐。本教材共有10章，第1-2章是實(shí)施機(jī)器學(xué)習(xí)任務(wù)前的概念

本書探討了人工智能(AI)的發(fā)展及其對(duì)人類社會(huì)的深遠(yuǎn)影響。書中首先強(qiáng)調(diào)了科學(xué)技術(shù)作為第一生產(chǎn)力的重要性，引用了鄧小平和幾代領(lǐng)導(dǎo)人的觀點(diǎn)，指出科技創(chuàng)新在推動(dòng)社會(huì)生產(chǎn)力和經(jīng)濟(jì)增長(zhǎng)中的核心作用；在探討財(cái)富的起源和增長(zhǎng)時(shí)，指出工業(yè)革命后的技術(shù)進(jìn)步是近200多年財(cái)富爆發(fā)性增長(zhǎng)的主要推動(dòng)力；書中對(duì)世界復(fù)雜性的討論同樣引人深思。最引

本書是一本精簡(jiǎn)的神經(jīng)網(wǎng)絡(luò)入門教程，用通俗易懂的語(yǔ)言講解神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)。本書共6章，第1章對(duì)神經(jīng)網(wǎng)絡(luò)領(lǐng)域進(jìn)行概述，包括其歷史和應(yīng)用；第2章深入探討神經(jīng)元的數(shù)學(xué)模型，包括其輸入、權(quán)值、偏置和激活函數(shù)；第3章介紹感知機(jī)的概念，討論感知機(jī)的結(jié)構(gòu)，并解釋如何用它來(lái)解決簡(jiǎn)單的分類問(wèn)題；第4章介紹多層感知機(jī)的概念，講述如何使用前

本教材系統(tǒng)地講解了機(jī)器學(xué)習(xí)的理論與方法，內(nèi)容主要包括高斯混合模型和EM算法、主題模型、采樣與非參數(shù)貝葉斯方法、聚類分析、支持向量機(jī)、概率無(wú)向圖模型、概率有向圖模型、矩陣與張量分解、多層感知機(jī)與卷積神經(jīng)網(wǎng)絡(luò)、序列神經(jīng)網(wǎng)絡(luò)，以及強(qiáng)化學(xué)習(xí)。本教材旨在使讀者了解機(jī)器學(xué)習(xí)的發(fā)展，理解和掌握機(jī)器學(xué)習(xí)的基本原理、方法與主要應(yīng)用。本書

機(jī)器學(xué)習(xí)是人工智能的核心領(lǐng)域之一，本書配套周志華教授所著的《機(jī)器學(xué)習(xí)》教材，通過(guò)大量習(xí)題考查讀者對(duì)機(jī)器學(xué)習(xí)相關(guān)知識(shí)點(diǎn)的理解與掌握。本書分為兩個(gè)部分：第一部分習(xí)題對(duì)應(yīng)《機(jī)器學(xué)習(xí)》第1-10章的內(nèi)容，包括緒論、模型評(píng)估與選擇、線性模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)；第二部分包含

本書彌補(bǔ)了純數(shù)學(xué)書籍和機(jī)器學(xué)習(xí)書籍存在的單一性問(wèn)題，介紹了理解機(jī)器學(xué)習(xí)所需的必備數(shù)學(xué)概念，例如線性代數(shù)、解析幾何、矩陣分解、向量微積分、優(yōu)化、概率和統(tǒng)計(jì)，并使用這些概念推導(dǎo)出了四種核心機(jī)器學(xué)習(xí)方法：線性回歸、主成分分析、高斯混合模型和支持向量機(jī)。本書每一章都包括一些例子，大部分章還配有習(xí)題，以方便讀者測(cè)試對(duì)所學(xué)知識(shí)的理

本書以提高學(xué)生數(shù)字化素養(yǎng)、提升人工智能通識(shí)教育質(zhì)量為目標(biāo)，引入生活中與人工智能相關(guān)的真實(shí)案例，進(jìn)行基于成果導(dǎo)向的結(jié)構(gòu)設(shè)計(jì)，將深?yuàn)W復(fù)雜的人工智能知識(shí)體系化、模塊化、生活化，深入淺出，通過(guò)貼近生活的小案例、微任務(wù)進(jìn)行引導(dǎo)式學(xué)習(xí)。書中包含人工智能、機(jī)器學(xué)習(xí)、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)模塊和人工智能在生活、教學(xué)、消防等領(lǐng)域的應(yīng)用模塊