PyTorch是基于Torch庫(kù)的開(kāi)源機(jī)器學(xué)習(xí)庫(kù)，它主要由Meta（原Facebook）的人工智能研究實(shí)驗(yàn)室開(kāi)發(fā)，在自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)領(lǐng)域都具有廣泛的應(yīng)用。本書(shū)介紹了簡(jiǎn)單且經(jīng)典的入門項(xiàng)目，方便快速上手，如MNIST數(shù)字識(shí)別，讀者在完成項(xiàng)目的過(guò)程中可以了解數(shù)據(jù)集、模型和訓(xùn)練等基礎(chǔ)概念。本書(shū)還介紹了一些實(shí)用且經(jīng)典的模

本書(shū)從貝葉斯理論的基本原理講起，逐步深入算法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，并配合項(xiàng)目案例，重點(diǎn)介紹了基于貝葉斯理論的算法原理，及其在機(jī)器學(xué)習(xí)中的應(yīng)用。 本書(shū)分為10章，涵蓋了貝葉斯概率、概率估計(jì)、貝葉斯分類、隨機(jī)場(chǎng)、參數(shù)估計(jì)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)、貝葉斯深度學(xué)習(xí)等。本書(shū)涉及的應(yīng)用領(lǐng)域包含機(jī)器學(xué)習(xí)、圖

本書(shū)是一本理論扎實(shí)，同時(shí)聯(lián)系實(shí)際應(yīng)用的圖書(shū)。全書(shū)系統(tǒng)地介紹了因果推斷的基本知識(shí)、基于機(jī)器學(xué)習(xí)的因果推斷方法和基于因果推斷的機(jī)器學(xué)習(xí)方法及其在一些重要領(lǐng)域的應(yīng)用。全書(shū)共分6章。第1章從潛結(jié)果框架和結(jié)構(gòu)因果模型出發(fā)，介紹因果推斷的基本概念和方法。第2章介紹近年統(tǒng)計(jì)和機(jī)器學(xué)習(xí)文獻(xiàn)中出現(xiàn)的一些重要的基于機(jī)器學(xué)習(xí)的因果推斷方法。

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)是人工智能研究的重要領(lǐng)域，是機(jī)器學(xué)習(xí)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(xué)。本書(shū)緊緊圍繞神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)體系進(jìn)行系統(tǒng)的梳理，力求從基礎(chǔ)理論、經(jīng)典模型和前沿應(yīng)用展開(kāi)論述，便于讀者能夠較為全面地掌握深度學(xué)習(xí)的相關(guān)知識(shí)。全書(shū)共16章。第1章是緒論，簡(jiǎn)要介紹人工智

本書(shū)致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場(chǎng)景方方面面的內(nèi)容。全書(shū)分為四部分：第一部分介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡(luò)成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡(luò)典型的前沿領(lǐng)域；第四部分描述可能對(duì)圖神經(jīng)網(wǎng)絡(luò)未來(lái)研

本書(shū)的寫(xiě)作初衷是，從學(xué)者的角度，用一種通俗易懂的方式，將基于深度學(xué)習(xí)的目標(biāo)檢測(cè)的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時(shí)針對(duì)作者在深度學(xué)習(xí)教學(xué)過(guò)程中遇到的難點(diǎn)，進(jìn)行深入的分析和講解。本書(shū)側(cè)重對(duì)卷積神經(jīng)網(wǎng)絡(luò)的介紹，而深度學(xué)習(xí)的內(nèi)容不止于此。所以，作者將深度學(xué)習(xí)分為有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)三類，將圖像分類、目標(biāo)檢測(cè)、

手勢(shì)交互是自然人機(jī)交互的研究熱點(diǎn)，在很多領(lǐng)域都有著廣泛的應(yīng)用，例如虛擬/增強(qiáng)現(xiàn)實(shí)、普適計(jì)算、可穿戴計(jì)算、智能家居和游戲娛樂(lè)等。本文提出了一套卓有成效的"以用戶為中心的”手勢(shì)設(shè)計(jì)方法，應(yīng)用在雙面屏智能手機(jī)、智能汽車信息系統(tǒng)、智能電視交互系統(tǒng)、沉浸式虛擬現(xiàn)實(shí)購(gòu)物系統(tǒng)中，實(shí)踐證明這套方法能夠有效解決傳統(tǒng)手勢(shì)設(shè)計(jì)方法所面臨的一

機(jī)器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書(shū)涵蓋了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)，主要包括機(jī)器學(xué)習(xí)的概述、統(tǒng)計(jì)學(xué)基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、文本分析、分布式機(jī)器學(xué)習(xí)算法等經(jīng)典的機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，還包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、目標(biāo)檢測(cè)、自編碼器等深度學(xué)習(xí)的內(nèi)容。此外，

知識(shí)工程是人工智能發(fā)展中重要的研究工作。形式概念分析提出后廣泛用戶不同領(lǐng)域的知識(shí)表示，近年來(lái)知識(shí)圖譜在信息檢索領(lǐng)域解決了不同層面應(yīng)用的知識(shí)表達(dá)和知識(shí)推理中。在形式概念分析和知識(shí)圖譜研究工作上，圍繞一些不適合建立領(lǐng)域知識(shí)圖譜的應(yīng)用背景，知識(shí)的獲取、知識(shí)的表示、知識(shí)推理等問(wèn)題，提出了從文本中一些具有內(nèi)涵和外延概念這一知識(shí)的

隨著云計(jì)算、大數(shù)據(jù)等的快速發(fā)展，越來(lái)越多的組織用信息化手段進(jìn)行流程管理。如何提升流程執(zhí)行的智能化程度、動(dòng)態(tài)性和柔性，以提高對(duì)非標(biāo)準(zhǔn)業(yè)務(wù)的管理效率，是流程管理面臨的一個(gè)重要問(wèn)題。 本書(shū)基于流程管理系統(tǒng)積累的日志，提出了3種流程管理的工作流活動(dòng)推薦方法，分別為基于用戶類別近鄰的活動(dòng)推薦方法、基于Pearson相關(guān)系數(shù)的活動(dòng)

本書(shū)通過(guò)扎實(shí)、詳細(xì)的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對(duì)深度學(xué)習(xí)算法進(jìn)行分析和介紹。本書(shū)共三篇，第一篇主要介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)方向的一些卷積神經(jīng)網(wǎng)絡(luò)，從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級(jí)CNN、模型架構(gòu)搜索3個(gè)方向展開(kāi)，介紹計(jì)算機(jī)視覺(jué)方向的里程碑算法；第二篇主要介紹深度學(xué)習(xí)在自然語(yǔ)言處理方向的重要突破，包括基

全書(shū)可分為五大部分，闡述了分布式人工智能的基礎(chǔ)知識(shí)以及相關(guān)進(jìn)展，包括分布式人工智能簡(jiǎn)介、分布式規(guī)劃與優(yōu)化、多智能體博弈、多智能體學(xué)習(xí)和分布式人工智能應(yīng)用。除此之外，由于本領(lǐng)域尚處于蓬勃發(fā)展階段，相關(guān)技術(shù)與應(yīng)用層出不窮，因此書(shū)中還提供了研究者對(duì)于分布式人工智能發(fā)展的相關(guān)預(yù)測(cè)，主要集中在：第一，更復(fù)雜和更大規(guī)模的分布式人工

本書(shū)主要針對(duì)控制理論的一些重要分支，分析了當(dāng)前存在的瓶頸問(wèn)題，展望了其發(fā)展趨勢(shì)和面臨的一系列挑戰(zhàn)。全書(shū)共分為17章，分別為：優(yōu)化控制研究的概述與關(guān)鍵問(wèn)題分析、邏輯控制系統(tǒng)中的未解問(wèn)題、系統(tǒng)與控制中優(yōu)化理論與應(yīng)用的挑戰(zhàn)與瓶頸、分布參數(shù)系統(tǒng)控制、數(shù)據(jù)驅(qū)動(dòng)控制系統(tǒng)、自抗擾控制中的若干未解問(wèn)題、非線性控制的幾個(gè)瓶頸問(wèn)題、時(shí)間與

本書(shū)基于TensorFlow.NET框架，詳細(xì)介紹了.NET平臺(tái)下深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用技術(shù)，不僅闡述了算法原理，還演示了實(shí)踐代碼和運(yùn)行效果，其中完整示例主要采用的語(yǔ)言為C#和F#。全書(shū)分為3個(gè)部分：第一部分介紹了核心API的用法和基礎(chǔ)示例，包括數(shù)據(jù)類型、張量、EagerMode、自動(dòng)求導(dǎo)、線性回歸、邏輯回歸、tf.

人工智能正在以前所未有的速度發(fā)展，其廣泛地應(yīng)用于汽車、醫(yī)療、交通、制造、金融等多個(gè)領(lǐng)域。通常“人工智能”一詞往往與人機(jī)交互系統(tǒng)相聯(lián)系，進(jìn)而突出其應(yīng)用性，表現(xiàn)為“機(jī)器學(xué)習(xí)”和“問(wèn)題解決”等�，F(xiàn)如今人工智能不再是人的延伸，而是可以自我演進(jìn)的，是相對(duì)獨(dú)立的。這就決定了人工智能發(fā)展面臨著巨大的挑戰(zhàn)，不僅是技術(shù)層面的諸多挑戰(zhàn)，還

本書(shū)采用全彩圖解+視頻講解的形式，通過(guò)生動(dòng)有趣的童話探秘之旅，介紹了利用JoyFrog（呱比特手柄）和Kittenblock進(jìn)行人工智能項(xiàng)目開(kāi)發(fā)的思路及技巧。全書(shū)共18課，涵蓋以下知識(shí)點(diǎn)：百度大腦中的文字朗讀、語(yǔ)音識(shí)別、圖形識(shí)別、文字識(shí)別、人臉識(shí)別和寫(xiě)詩(shī)寫(xiě)春聯(lián)等，F(xiàn)aceAI中的人臉、微笑、年齡、性別等的檢測(cè)，機(jī)器學(xué)習(xí)

本書(shū)以青少年喜愛(ài)的《西游記》為藍(lán)本進(jìn)行人物塑造，故事主線講述了人工智能時(shí)代下，一個(gè)具備學(xué)習(xí)人工智能的硬件基礎(chǔ)，卻缺乏相關(guān)理論知識(shí)的智能機(jī)器人——悟小白，在通臂猿猴的陪伴下，在尋找人工智能專家唐小僧拜師學(xué)藝的路上，通過(guò)重重關(guān)卡，不斷歷練的故事，而這正是人工智能的技術(shù)基石——“機(jī)器學(xué)習(xí)”的本質(zhì)。故事由淺入深，通過(guò)各類關(guān)卡和

本書(shū)主要介紹統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域常用的基礎(chǔ)模型、算法和代碼實(shí)現(xiàn)。包括統(tǒng)計(jì)機(jī)器學(xué)習(xí)、Python語(yǔ)言基礎(chǔ)，常用的線性回歸、貝葉斯分類器、邏輯回歸、SVM、核方法、集成學(xué)習(xí)，以及深度學(xué)習(xí)中的多層感知器、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、變分自編碼器、對(duì)抗生成網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等模型與優(yōu)化方法，使用Scikit-Learn、TensorF

本書(shū)主要講述了神經(jīng)網(wǎng)絡(luò)的重要概念和技術(shù)，并展示了如何使用Python來(lái)解決日常生活中常見(jiàn)的神經(jīng)網(wǎng)絡(luò)問(wèn)題。本書(shū)包含了6個(gè)神經(jīng)網(wǎng)絡(luò)相關(guān)的項(xiàng)目，分別是糖尿病預(yù)測(cè)、出租車費(fèi)用預(yù)測(cè)、圖像分類、圖像降噪、情感分析和人臉識(shí)別，這6個(gè)項(xiàng)目均是從頭開(kāi)始實(shí)現(xiàn)，且使用了不同的神經(jīng)網(wǎng)絡(luò)。在每個(gè)項(xiàng)目中，本書(shū)首先會(huì)提出問(wèn)題，然后介紹解決該問(wèn)題需要

本書(shū)主要介紹了智能計(jì)算技術(shù)相關(guān)的理論方法與關(guān)鍵技術(shù)，并對(duì)典型的應(yīng)用領(lǐng)域與平臺(tái)也進(jìn)行了相關(guān)介紹和討論。全書(shū)共10章，簡(jiǎn)要介紹智能的起源、智能與計(jì)算等研究背景及意義，詳細(xì)介紹了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等模型與算法及其應(yīng)用，著重介紹了圖神經(jīng)網(wǎng)絡(luò)模型、網(wǎng)學(xué)習(xí)模型、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索和大數(shù)據(jù)資源服務(wù)等技術(shù)，并面向智能交通和網(wǎng)絡(luò)交易支付等