本書全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實踐相結(jié)合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)和行動，公平、信任、

機器學(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。本書涵蓋了機器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)知識，主要包括機器學(xué)習(xí)的概述、統(tǒng)計學(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、文本分析、分布式機器學(xué)習(xí)算法等經(jīng)典的機器學(xué)習(xí)基礎(chǔ)知識，還包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、目標(biāo)檢測、自編碼器等深度學(xué)習(xí)的內(nèi)容。此外，

本書的寫作初衷是，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)檢測的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時針對作者在深度學(xué)習(xí)教學(xué)過程中遇到的難點，進行深入的分析和講解。本書側(cè)重對卷積神經(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)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)三類，將圖像分類、目標(biāo)檢測、

本書致力于介紹圖神經(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)用場景方方面面的內(nèi)容。全書分為四部分：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圖神經(jīng)網(wǎng)絡(luò)未來研

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)。本書緊緊圍繞神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識體系進行系統(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。全書共16章。第1章是緒論，簡要介紹人工智

手勢交互是自然人機交互的研究熱點，在很多領(lǐng)域都有著廣泛的應(yīng)用，例如虛擬/增強現(xiàn)實、普適計算、可穿戴計算、智能家居和游戲娛樂等。本文提出了一套卓有成效的"以用戶為中心的”手勢設(shè)計方法，應(yīng)用在雙面屏智能手機、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)實購物系統(tǒng)中，實踐證明這套方法能夠有效解決傳統(tǒng)手勢設(shè)計方法所面臨的一

本書采用全彩圖解+視頻講解的形式，通過生動有趣的童話探秘之旅，介紹了利用JoyFrog（呱比特手柄）和Kittenblock進行人工智能項目開發(fā)的思路及技巧。全書共18課，涵蓋以下知識點：百度大腦中的文字朗讀、語音識別、圖形識別、文字識別、人臉識別和寫詩寫春聯(lián)等，F(xiàn)aceAI中的人臉、微笑、年齡、性別等的檢測，機器學(xué)習(xí)

本書主要針對控制理論的一些重要分支，分析了當(dāng)前存在的瓶頸問題，展望了其發(fā)展趨勢和面臨的一系列挑戰(zhàn)。全書共分為17章，分別為：優(yōu)化控制研究的概述與關(guān)鍵問題分析、邏輯控制系統(tǒng)中的未解問題、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)動控制系統(tǒng)、自抗擾控制中的若干未解問題、非線性控制的幾個瓶頸問題、時間與

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、金融等多個領(lǐng)域。通常“人工智能”一詞往往與人機交互系統(tǒng)相聯(lián)系，進而突出其應(yīng)用性，表現(xiàn)為“機器學(xué)習(xí)”和“問題解決”等�，F(xiàn)如今人工智能不再是人的延伸，而是可以自我演進的，是相對獨立的。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

本書基于TensorFlow.NET框架，詳細介紹了.NET平臺下深度學(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，還演示了實踐代碼和運行效果，其中完整示例主要采用的語言為C#和F#。全書分為3個部分：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、自動求導(dǎo)、線性回歸、邏輯回歸、tf.