本書聚焦信息科學、生命科學、新能源、新材料等為代表的高科技領域，以及物理、化學、數(shù)學等基礎科學的進展與新興技術的交叉融合，其中70%的內容來源于IEEE計算機協(xié)會相關刊物內容的全文翻譯，另外30%的內容由STEERTech和iCANXTalks上的國際知名科學家的學術報告、報道以及相關活動內容組成。本書將以創(chuàng)新的方式宣

人的智能和AI賦能的機器智能在自動化控制領域的共融共存形成了人機混合智能系統(tǒng)這一新型的系統(tǒng)形式和智能形式。一方面，這類系統(tǒng)所代表的系統(tǒng)結構形式是傳統(tǒng)自動化控制系統(tǒng)應對AI賦能的機器智能變革的必然發(fā)展形勢；另一方面，它所代表的智能形式也成為AI未來發(fā)展的重要甚至是的終極形式。在本《人機混合智能系統(tǒng)自主性理論和方法》，我們

本書是一本系統(tǒng)介紹機器學習所涉及的數(shù)學知識和相關Python編程的實例工具書，同時還介紹了非常經典的綜合案例，除了編寫機器學習的代碼，還編寫了深度學習的代碼。本書一共分為兩部分。 第一部分為數(shù)學基礎知識部分，包含8個章節(jié)，介紹了微積分、線性代數(shù)、概率統(tǒng)計、信息論、模糊數(shù)學、隨機過程、凸優(yōu)化和圖論的系統(tǒng)知識體系及幾個數(shù)學

本書源于阿里巴巴千億級知識圖譜構建與產業(yè)化應用的工作總結，對知識圖譜理論和大規(guī)模工業(yè)實踐進行了全面和深入的闡述。本書以阿里巴巴的實戰(zhàn)經驗為中心，以深厚的理論成果為支撐，詳細闡述了知識圖譜的方方面面。首先介紹工業(yè)場景下知識圖譜的現(xiàn)狀、存在的問題和架構設計；然后從知識表示、知識融合、知識獲取、知識推理、知識存儲和知識圖譜前

本書從深度學習的發(fā)展歷程開始，系統(tǒng)介紹了基于深度學習的目標檢測的基本問題及其相關處理方法與技術，主要內容涉及兩階段和單階段目標檢測的理論、算法和研究成果。本書共6章，包括深度學習神經網絡類型、目標檢測技術、基于FasterR-CNN的目標檢測改進算法、領域自適應及其在目標檢測技術上的典型應用、圖像識別模型改進及面部表情

機器學習已經廣泛地應用于各行各業(yè)，深度學習的興起再次推動了人工智能的熱潮。本書結合項目實踐，首先討論主流機器學習平臺的主要特點和機器學習的實戰(zhàn)難點；在此基礎上，利用主流的機器學習開源平臺TensorFlow、OpenVINO、PaddlePaddle等，通過19個實戰(zhàn)案例，詳細地分析決策樹、隨機森林、支持向量機、邏輯回

全書從推薦系統(tǒng)的發(fā)展歷史、基本構成開始，依次剖析推薦系統(tǒng)的內容召回、協(xié)同過濾召回、深度學習召回中具有代表性的模型；再從經典排序模型到基于深度學習的排序，順勢介紹會話推薦、強化學習推薦及工業(yè)級推薦，搭建了完整的推薦系統(tǒng)技術體系，這是一個由淺入深的系統(tǒng)學習過程。 本書的目標讀者應該對深度學習有基本的了解，掌握概率論、線性代

本書以Python機器學習常用技術與真實案例相結合的方式，深入淺出地介紹了Python機器學習應用的主要內容。全書共11章，分別介紹了機器學習概述、數(shù)據(jù)準備、特征工程、有監(jiān)督學習、無監(jiān)督學習、智能推薦的相關知識，并介紹了市財政收入分析案例、基于非侵入式電力負荷監(jiān)測與分解的電力分析案例、航空公司客戶價值分析案例、廣電大數(shù)

近年來人工智能技術蓬勃發(fā)展，人工智能正在改變我們的生活。為了讓讀者在不需要掌握太多數(shù)學 和計算機科學知識的情況下，能夠快速上手，使用Python語言實現(xiàn)常用的機器學習算法，并解決一些實際的問題，我們策劃并出版本書。 本書共14章，內容涵蓋基本的機器學習概念和環(huán)境搭建，目前各個領域中的熱門算法，以及數(shù)據(jù)預處理、模型評估和

零樣本圖像分類主要解決在標記訓練樣本不足以涵蓋所有對象類的情況下，如何對未知新模式進行正確分類的問題，近年來已逐漸成為機器學習領域的研究熱點之一。利用可見類訓練樣本學習到的分類器對新出現(xiàn)的對象類進行分類識別是非常困難的學習任務�！读銟颖緢D像分類》針對零樣本圖像分類問題從屬性角度入手，基于深度學習及知識挖掘、屬性自適應、