主要講解智能算法的理論和實(shí)際應(yīng)用。主要針對(duì)1.智能算法計(jì)算時(shí)間分析新方法；2.智能算法在計(jì)算機(jī)視覺(jué)的應(yīng)用；3.智能算法在物流規(guī)劃的應(yīng)用；4.智能算法在軟件測(cè)試的應(yīng)用；5.智能算法在多目標(biāo)優(yōu)化的應(yīng)用。

圖神經(jīng)網(wǎng)絡(luò)是人工智能的一個(gè)熱點(diǎn)方向,從圖的視角解讀大數(shù)據(jù),可以靈活建模復(fù)雜的信息交互關(guān)系,吸引大量學(xué)者的關(guān)注并在多個(gè)工業(yè)領(lǐng)域得到廣泛應(yīng)用�！秷D深度學(xué)習(xí)從理論到實(shí)踐》由淺入深,全面介紹圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)、典型模型方法和應(yīng)用實(shí)踐�！秷D深度學(xué)習(xí)從理論到實(shí)踐》不僅包括一般的深度學(xué)習(xí)基礎(chǔ)和圖基礎(chǔ)知識(shí),還涵蓋了圖表示學(xué)習(xí)、圖卷積

本書(shū)以深度學(xué)習(xí)框架TensorFlow為基礎(chǔ)，介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)與常用方法，全面細(xì)致地提供了機(jī)器學(xué)習(xí)操作的原理及其在深度學(xué)習(xí)框架下的實(shí)踐步驟。全書(shū)共16章，分別介紹了深度學(xué)習(xí)基礎(chǔ)知識(shí)、深度學(xué)習(xí)框架及其對(duì)比、機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)、深度學(xué)習(xí)框架TensorFlow的基礎(chǔ)知識(shí)、Logistic回歸、多層感知器、卷積神經(jīng)網(wǎng)絡(luò)與

本書(shū)的寫(xiě)作目的旨在幫助大量正走在、或即將走向?qū)W習(xí)機(jī)器學(xué)習(xí)路上的廣大讀者朋友。我們?cè)谌粘＝虒W(xué)和培養(yǎng)研究生過(guò)程中發(fā)現(xiàn)，很多同學(xué)一方面想學(xué)、愿意學(xué)；另一方面又遇到入門(mén)難的問(wèn)題，希望能有一本書(shū)旨在幫助正走在或即將走向?qū)W習(xí)機(jī)器學(xué)習(xí)路上的廣大讀者朋友。我們?cè)谌粘＝虒W(xué)和培養(yǎng)研究生過(guò)程中發(fā)現(xiàn)，很多同學(xué)一方面想學(xué)、愿意學(xué)；另一方面又遇到

智能運(yùn)維是面向產(chǎn)品全生命周期智能制造的重要組成部分。隨著感知技術(shù)、預(yù)測(cè)技術(shù)和智能技術(shù)的深度應(yīng)用，裝備維修從原來(lái)的事后維修模式、定時(shí)維修模式逐步向基于狀態(tài)的維修模式轉(zhuǎn)變，而提高裝備狀態(tài)監(jiān)測(cè)和維修決策水平是實(shí)現(xiàn)這種轉(zhuǎn)變的關(guān)鍵。本書(shū)在基于狀態(tài)的維修模式及其技術(shù)體系基礎(chǔ)上，對(duì)基于狀態(tài)的維修所涉及的數(shù)據(jù)處理、狀態(tài)監(jiān)測(cè)、趨勢(shì)預(yù)測(cè)、

特征工程可以修改數(shù)據(jù)特征，更好地捕獲問(wèn)題本質(zhì)，從而改進(jìn)結(jié)果。這個(gè)過(guò)程既是一種藝術(shù)，也是技巧和訣竅的一種結(jié)合。本書(shū)是一本特征工程實(shí)用指南，主要探討如何利用特征工程提升機(jī)器學(xué)習(xí)解決方案的性能。本書(shū)從特征工程的基本概念和技術(shù)開(kāi)始介紹，建立了一種特殊的跨領(lǐng)域方法，通過(guò)充分研究案例詳細(xì)介紹了圖數(shù)據(jù)、時(shí)間戳數(shù)據(jù)、文本數(shù)據(jù)和圖像數(shù)據(jù)

本書(shū)從倫理學(xué)的角度入手，在分析當(dāng)前世界各國(guó)AI發(fā)展水平的基礎(chǔ)上，探討了人類與AI共生、協(xié)作的關(guān)系，并為讀者描繪了未來(lái)AI的應(yīng)用前景。

本書(shū)按照人工智能在不同領(lǐng)域的研究特點(diǎn)，通過(guò)專項(xiàng)應(yīng)用來(lái)研究相關(guān)技術(shù)。 全書(shū)分為11章，第1章介紹人工智能領(lǐng)域的基本概念，第2章說(shuō)明Python語(yǔ)言編程工具的使用，第3章到第10章分別從應(yīng)答機(jī)器人、物體識(shí)別、人臉識(shí)別、語(yǔ)音識(shí)別、視頻識(shí)別、生成對(duì)抗神經(jīng)網(wǎng)絡(luò)、無(wú)人駕駛、區(qū)塊鏈和大數(shù)據(jù)等方面對(duì)人工智能從原理到實(shí)戰(zhàn)一步一步進(jìn)行介紹

知識(shí)圖譜作為認(rèn)知智能的核心技術(shù)正蓬勃發(fā)展。本書(shū)系統(tǒng)全面地介紹了知識(shí)圖譜的核心技術(shù)，既有宏觀整體的技術(shù)體系，也有關(guān)鍵技術(shù)和算法細(xì)節(jié)，內(nèi)容包括：知識(shí)圖譜模式設(shè)計(jì)的方法論——六韜法；知識(shí)圖譜構(gòu)建中的實(shí)體抽取和關(guān)系抽�。恢�識(shí)存儲(chǔ)中的屬性圖模型及圖數(shù)據(jù)庫(kù)，重點(diǎn)介紹了JanusGraph分布式圖數(shù)據(jù)庫(kù)；知識(shí)計(jì)算中的圖論基礎(chǔ)，以及中

本書(shū)共14章，涵蓋了深度學(xué)習(xí)中的大部分學(xué)習(xí)網(wǎng)絡(luò)方法。第1～2章介紹開(kāi)發(fā)環(huán)境軟件安裝和深度學(xué)習(xí)相關(guān)的軟件包，第3～4章是鳶尾花多分類全連接神經(jīng)網(wǎng)絡(luò)識(shí)別案例與實(shí)現(xiàn)，第5～6章是MINIST手寫(xiě)數(shù)字識(shí)別案例，第7章是FashionMNIST服裝識(shí)別案例，可以加深對(duì)卷積神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)，第8章介紹CIFAR-10數(shù)據(jù)集彩色圖片識(shí)