本文面向物聯(lián)網(wǎng)設備的軟件漏洞檢測需求，基于靜態(tài)分析和動態(tài)測試途徑，介紹圍繞第三方庫數(shù)據(jù)操作安全檢查缺失漏洞檢測、通信協(xié)議漏洞檢測、固件鏡像漏洞檢測等問題的關鍵技術與工具。闡述了物聯(lián)網(wǎng)作為新一代信息技術，已經與國計民生的各個方面深度融合，越來越多的物聯(lián)網(wǎng)設備通過網(wǎng)絡連接后廣泛部署在眾多安全攸關領域；軟件是物聯(lián)網(wǎng)設備

本書主要介紹如何學習網(wǎng)絡中的節(jié)點表征，并將其應用到推薦系統(tǒng)中，重點研究了推薦系統(tǒng)中的三種各具代表性的網(wǎng)絡：用戶產品交互的二分圖，用戶端的社交網(wǎng)絡，產品端的知識圖譜。本書系統(tǒng)性地研究了三種網(wǎng)絡的建模，提出了針對不同種類的網(wǎng)絡在多個層面將網(wǎng)絡信息和推薦系統(tǒng)進行結合的解決方案。這些解決方案獲得了學術界的廣泛關注，有些方案已經

主要講解智能算法的理論和實際應用。主要針對1.智能算法計算時間分析新方法；2.智能算法在計算機視覺的應用；3.智能算法在物流規(guī)劃的應用；4.智能算法在軟件測試的應用；5.智能算法在多目標優(yōu)化的應用。

圖神經網(wǎng)絡是人工智能的一個熱點方向,從圖的視角解讀大數(shù)據(jù),可以靈活建模復雜的信息交互關系,吸引大量學者的關注并在多個工業(yè)領域得到廣泛應用。《圖深度學習從理論到實踐》由淺入深,全面介紹圖神經網(wǎng)絡的基礎知識、典型模型方法和應用實踐。《圖深度學習從理論到實踐》不僅包括一般的深度學習基礎和圖基礎知識,還涵蓋了圖表示學習、圖卷積

本書以深度學習框架TensorFlow為基礎，介紹機器學習的基礎知識與常用方法，全面細致地提供了機器學習操作的原理及其在深度學習框架下的實踐步驟。全書共16章，分別介紹了深度學習基礎知識、深度學習框架及其對比、機器學習基礎知識、深度學習框架TensorFlow的基礎知識、Logistic回歸、多層感知器、卷積神經網(wǎng)絡與

本書的寫作目的旨在幫助大量正走在、或即將走向學習機器學習路上的廣大讀者朋友。我們在日常教學和培養(yǎng)研究生過程中發(fā)現(xiàn)，很多同學一方面想學、愿意學；另一方面又遇到入門難的問題，希望能有一本書旨在幫助正走在或即將走向學習機器學習路上的廣大讀者朋友。我們在日常教學和培養(yǎng)研究生過程中發(fā)現(xiàn)，很多同學一方面想學、愿意學；另一方面又遇到

智能運維是面向產品全生命周期智能制造的重要組成部分。隨著感知技術、預測技術和智能技術的深度應用，裝備維修從原來的事后維修模式、定時維修模式逐步向基于狀態(tài)的維修模式轉變，而提高裝備狀態(tài)監(jiān)測和維修決策水平是實現(xiàn)這種轉變的關鍵。本書在基于狀態(tài)的維修模式及其技術體系基礎上，對基于狀態(tài)的維修所涉及的數(shù)據(jù)處理、狀態(tài)監(jiān)測、趨勢預測、

特征工程可以修改數(shù)據(jù)特征，更好地捕獲問題本質，從而改進結果。這個過程既是一種藝術，也是技巧和訣竅的一種結合。本書是一本特征工程實用指南，主要探討如何利用特征工程提升機器學習解決方案的性能。本書從特征工程的基本概念和技術開始介紹，建立了一種特殊的跨領域方法，通過充分研究案例詳細介紹了圖數(shù)據(jù)、時間戳數(shù)據(jù)、文本數(shù)據(jù)和圖像數(shù)據(jù)

本書從倫理學的角度入手，在分析當前世界各國AI發(fā)展水平的基礎上，探討了人類與AI共生、協(xié)作的關系，并為讀者描繪了未來AI的應用前景。

本書按照人工智能在不同領域的研究特點，通過專項應用來研究相關技術。 全書分為11章，第1章介紹人工智能領域的基本概念，第2章說明Python語言編程工具的使用，第3章到第10章分別從應答機器人、物體識別、人臉識別、語音識別、視頻識別、生成對抗神經網(wǎng)絡、無人駕駛、區(qū)塊鏈和大數(shù)據(jù)等方面對人工智能從原理到實戰(zhàn)一步一步進行介紹