人工智能和機器學(xué)習(xí)受數(shù)據(jù)驅(qū)動的趨勢日益明顯。仿真技術(shù)不僅強大，而且魅力無窮，有望釋放兩者的全部潛能。本書的主要內(nèi)容有：用Unity引擎和仿真技術(shù)，解決機器學(xué)習(xí)和人工智能問題。用游戲引擎合成圖像訓(xùn)模。創(chuàng)建仿真環(huán)境，訓(xùn)練強化學(xué)習(xí)和模仿學(xué)習(xí)模型。采用PPO等高效通用算法解決基于仿真的機器學(xué)習(xí)問題。用不同方法訓(xùn)練多種機器學(xué)習(xí)模

本書深入探討了四元數(shù)神經(jīng)網(wǎng)絡(luò)在表情識別任務(wù)中的突破性應(yīng)用。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比，四元數(shù)神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜情感信息時展現(xiàn)出了更強特征分析能力和更低計算量的雙重優(yōu)勢。書中內(nèi)容主要展現(xiàn)這一前沿技術(shù)在特征表示、數(shù)據(jù)融合和信息處理上的巨大潛力，以及如何在表情識別任務(wù)中顯著提升精度與效率。本書所有的內(nèi)容都充分結(jié)合理論分析與實證研

本書將最優(yōu)控制方法融入機器學(xué)習(xí)的研究中，創(chuàng)新地建立了一個基于最優(yōu)反饋控制在線學(xué)習(xí)框架，并在該框架下提出了一系列用于解決線性和非線性的分類與回歸問題的魯棒自適應(yīng)學(xué)習(xí)算法;構(gòu)建了基于最優(yōu)控制的魯棒在線學(xué)習(xí)架構(gòu)，分別討論該架構(gòu)下的線性回歸、二分類和多分類問題，并且將線性問題的架構(gòu)拓展到非線性回歸與分類問題；提出了基于控制的深

密態(tài)深度學(xué)習(xí)可以在不解密加密數(shù)據(jù)的前提下對授權(quán)用戶提供深度學(xué)習(xí)服務(wù)，并可防止非授權(quán)用戶對授權(quán)用戶的數(shù)據(jù)進行竊取與利用。該技術(shù)突破了密態(tài)數(shù)據(jù)無法在非可信環(huán)境下被有效利用的技術(shù)瓶頸，實現(xiàn)了安全學(xué)習(xí)，萬物互聯(lián)。本書從大數(shù)據(jù)、人工智能面臨的隱私挑戰(zhàn)出發(fā)，以密態(tài)深度學(xué)習(xí)理論框架與技術(shù)方法研究為主線，從理論模型到實際應(yīng)用，系統(tǒng)闡述

本書是電梯職業(yè)技術(shù)教學(xué)與實操培訓(xùn)叢書的第二本，主要介紹電梯的電氣控制系統(tǒng)和物聯(lián)網(wǎng)技術(shù)在電梯控制中的應(yīng)用。本書緊抓電梯電氣控制系統(tǒng)的應(yīng)用特點，觀點鮮明、條理清晰，原理分析由淺入深，圖文并茂，分析舉例貼近實際應(yīng)用，具有較強的實用性和操作性。本書共8章，主要內(nèi)容包括電梯常用電氣部件、電梯電氣系統(tǒng)組成及構(gòu)造分析、電梯的供電系統(tǒng)

本書旨在采用一種符合讀者認知角度且能提升其學(xué)習(xí)效率的方式來講解深度學(xué)習(xí)背后的核心知識、原理和內(nèi)在邏輯。經(jīng)過基礎(chǔ)篇的學(xué)習(xí)，想必你已經(jīng)對深度學(xué)習(xí)的總體框架有了初步的了解和認識，掌握了深度神經(jīng)網(wǎng)絡(luò)從核心概念、常見問題到典型網(wǎng)絡(luò)的基本知識。本書為核心篇，將帶領(lǐng)讀者實現(xiàn)從入門到進階、從理論到實戰(zhàn)的跨越。全書共7章，前三章包括復(fù)雜

ChatGPT是當(dāng)下最新、最熱門的工具、效率工具，但為什么不同的人使用效果天差地別，整體上來說：一是認知上的不足；二是方法上的不足。這正是本書要解決的問題。本書不僅讓讀者會用ChatGPT，更嘗試讓讀者意識到自己需要構(gòu)建一個完整的學(xué)習(xí)體系，同時本書提供構(gòu)建這個學(xué)習(xí)體系的方法。有了這個學(xué)習(xí)體系，才能真正用好ChatGPT

本書全面審視了人工智能(A)的起源、發(fā)展歷程及其在當(dāng)代社會中的深遠影響。作為一項關(guān)鍵的賦能型技術(shù)，AI在計算機網(wǎng)絡(luò)、網(wǎng)絡(luò)安全、協(xié)作技術(shù)、物聯(lián)網(wǎng)、云計算、量子計算、邊緣計算、無人駕駛等多個前沿技術(shù)領(lǐng)域中發(fā)揮著核心作用，推動著前沿技術(shù)的革新和千行萬業(yè)的數(shù)字化轉(zhuǎn)型。本書旨在為讀者提供一個獨特的視角看待AI，幫助讀者理解AI的

本書致力于探索如何在大規(guī)模深度學(xué)習(xí)模型訓(xùn)練中，最大限度地提高性能和優(yōu)化顯存使用。本書面向深度學(xué)習(xí)從業(yè)者，尤其是希望深入了解并提升模型訓(xùn)練效率的工程師與研究人員。隨著深度學(xué)習(xí)模型和數(shù)據(jù)規(guī)模的迅速增長，如何高效利用硬件資源，減少訓(xùn)練時間，成為當(dāng)前AI系統(tǒng)工程的關(guān)鍵挑戰(zhàn)。本書從硬件和軟件的基礎(chǔ)知識入手，逐步引導(dǎo)讀者理解和掌握

《PyTorch深度學(xué)習(xí)項目教程》根據(jù)初學(xué)者的學(xué)習(xí)曲線和職業(yè)生涯成長規(guī)律，由淺入深設(shè)計了5個基礎(chǔ)項目和3個綜合項目�；�礎(chǔ)項目包括手寫數(shù)字識別、二維曲線擬合、貓狗圖像分類、提升貓狗圖像分類的準(zhǔn)確率和文本翻譯，引導(dǎo)讀者使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)算法框架，深入探討了深度學(xué)習(xí)數(shù)據(jù)集構(gòu)建、神經(jīng)網(wǎng)絡(luò)模型原理及實現(xiàn)、算法訓(xùn)練與評