本書全面介紹TensorFlow2.x框架及其在深度學(xué)習(xí)中的應(yīng)用，內(nèi)容包括TensorFlow簡介、Python語言基礎(chǔ)、環(huán)境搭建與入門、TensorBoard可視化、多層感知機實現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實現(xiàn)、強化學(xué)習(xí)、遷移學(xué)習(xí)、生成對抗網(wǎng)絡(luò)和GPU并行計算等。

"本書圍繞人工智能技術(shù)在建筑領(lǐng)域的探索實踐與場景應(yīng)用進行內(nèi)容編寫，引用行業(yè)一線的項目案例，以人工智能概述、機器學(xué)習(xí)、計算機視覺、自然語言處理、語音識別、無人系統(tǒng)、專家系統(tǒng)、人工智能倫理與安全8個單元為切入點，向?qū)W習(xí)者生動展示智能建造背景下的人工智能技術(shù)應(yīng)用場景,具有典型的跨界性和融合性。本書內(nèi)容全面、新穎、易懂，具有系統(tǒng)性、知識性、實用性和可讀性的特點。編寫中盡量采用通用性語言，由淺入深，引導(dǎo)學(xué)習(xí)者實現(xiàn)“學(xué)中做”和“做中學(xué)”，啟發(fā)學(xué)習(xí)者對人工智能技術(shù)的應(yīng)用思維，激發(fā)其主動探究學(xué)習(xí)相關(guān)知識技能的興

本書將圍繞人工智能職業(yè)標(biāo)準(zhǔn)展開，秉持“以學(xué)生為中心—職業(yè)標(biāo)準(zhǔn)融入—思政教育融入”的編寫理念，通過項目案例激發(fā)學(xué)生的學(xué)習(xí)興趣。本書結(jié)合人工智能學(xué)科的已有成果及編者的教學(xué)實踐，以全面、基礎(chǔ)、典型、新穎為原則，系統(tǒng)地介紹人工智能的技術(shù)基礎(chǔ)，包括機器學(xué)習(xí)、計算機視覺、智能語音、自然語言處理、AIGC等熱點及前沿問題。本書以“概述+案例”的模式編寫，使教材內(nèi)容泛而不空，使讀者了解和學(xué)習(xí)人工智能的基礎(chǔ)知識和初步技能，建立利用科學(xué)方法解決問題的創(chuàng)新思維，以適應(yīng)教學(xué)需求。本書概念清晰，結(jié)構(gòu)合理，敘述簡明易懂，適

本書主要介紹人工智能芯片設(shè)計相關(guān)的知識，包括作為人工智能芯片設(shè)計基礎(chǔ)的數(shù)字集成電路電路設(shè)計知識和數(shù)字集成電路系統(tǒng)設(shè)計知識，進而分析人工智能芯片設(shè)計面臨的挑戰(zhàn)，由此引出本書的重點：人工智能芯片的數(shù)據(jù)流設(shè)計和架構(gòu)設(shè)計，包括了塊浮點數(shù)設(shè)計、卷積神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)量化算法、稀疏化算法、加速器系統(tǒng)控制策略、卷積層加速器設(shè)計、全連接層加速器設(shè)計等前沿技術(shù)。本書在幫助讀者獲得對人工智能芯片設(shè)計全面理解的基礎(chǔ)上，使讀者也能更好地把握人工智能芯片設(shè)計的重點和方向，為讀者在此領(lǐng)域進一步研究和開發(fā)打下堅實的基礎(chǔ)。本書可作為

"《機器學(xué)習(xí)項目成功交付》詳細闡述了與機器學(xué)習(xí)成功交付相關(guān)的基本知識，主要包括項目前期，開始工作，深入研究問題，探索性數(shù)據(jù)分析、道德和基線評估，使用機器學(xué)習(xí)技術(shù)制作實用模型，測試和選擇模型，系統(tǒng)構(gòu)建和生產(chǎn)，發(fā)布項目等內(nèi)容。此外，本書還提供了相應(yīng)的示例、代碼，以幫助讀者進一步理解相關(guān)方案的實現(xiàn)過程。本書適合作為高等院校計算機及相關(guān)專業(yè)的教材和教學(xué)參考書，也可作為相關(guān)開發(fā)人員的自學(xué)用書和參考手冊。"

"深度學(xué)習(xí)絕非不可窺探的黑箱!深入理解其模型和算法的實際運作機制，是駕馭并優(yōu)化結(jié)果的關(guān)鍵。你無需成為數(shù)學(xué)專家或資深數(shù)據(jù)科學(xué)家,同樣能夠掌握深度學(xué)習(xí)系統(tǒng)內(nèi)部的工作原理。本書旨在通過深入淺出的方式，為你揭示這些原理，讓你在理解和解釋自己的工作時更加自信與從容�！渡疃葘W(xué)習(xí)精粹與PyTorch實踐》以淺顯易懂的方式揭示了深度學(xué)習(xí)算法的內(nèi)部運作機制，即使是機器學(xué)習(xí)初學(xué)者也能輕松理解。本書通過平實的語言解析、詳盡的代碼注釋,以及數(shù)十個基于PyTorch框架的實戰(zhàn)示例，逐步引導(dǎo)你探索深度學(xué)習(xí)的核心概念與實用工

群體智能算法是一類源于自然現(xiàn)象與社會規(guī)律啟發(fā)的智能算法，是當(dāng)前人工智能方法的重要組成部分。本書從群體智能算法的基本特征入手，介紹了常見的群體智能算法及其理論基礎(chǔ)研究的三大內(nèi)容：數(shù)學(xué)模型、收斂性與時間復(fù)雜度，詳細闡述了粒子群優(yōu)化算法、蟻群優(yōu)化算法、鴿群優(yōu)化算法、頭腦風(fēng)暴算法與煙花算法的數(shù)學(xué)模型、收斂性分析與時間復(fù)雜度分析等研究結(jié)果。為了方便讀者開展算法理論分析的實踐，部分章節(jié)提供了配套實用軟件工具的使用案例。本書適合從事智能優(yōu)化、進化計算、計算智能、智能優(yōu)化、管理科學(xué)與應(yīng)用數(shù)學(xué)領(lǐng)域研究的學(xué)者與研究

"《融合數(shù)字電路與存內(nèi)計算的高能效神經(jīng)網(wǎng)絡(luò)處理器（英文版）》從純數(shù)字電路和融合存內(nèi)計算的高能效神經(jīng)網(wǎng)絡(luò)處理器兩個角度開展了四項主要的研究工作。在數(shù)字電路神經(jīng)網(wǎng)絡(luò)處理器層面，一方面針對傳統(tǒng)架構(gòu)數(shù)據(jù)復(fù)用優(yōu)化不充分的問題，提出了針對特定卷積核優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)處理器KOP3。另一方面，針對不規(guī)則稀疏網(wǎng)絡(luò)壓縮技術(shù)引起的顯著額外功耗面積開銷，采用結(jié)構(gòu)化頻域壓縮算法CirCNN，提出整體并行-比特串行的FFT電路、低功耗分塊轉(zhuǎn)置TRAM和頻域二維數(shù)據(jù)復(fù)用陣列，以規(guī)則的方式壓縮了存儲和計算量。設(shè)計并流片驗證的

本書從人工智能時代大學(xué)生應(yīng)具備的基礎(chǔ)素養(yǎng)出發(fā)，緊密圍繞任務(wù)案例闡述生成式人工智能(AIGC)如何輔助學(xué)習(xí)、工作、生活、專業(yè)等方面，主要內(nèi)容包括探索人工智能新篇章、AI時代的核心競爭力、AIGC與文本生成、AIGC與數(shù)據(jù)處理、AIGC與圖像生成、AIGC與語音生成、AIGC與視頻生成AIGC與智能體和AIGC的倫理與責(zé)任。 本書既可以作為高等職業(yè)院校、成用型本科院校、中等職業(yè)學(xué)校人工智能通識課程的教材，也可以作為廣大讀者提升個人生成式人工智能素養(yǎng)的參考學(xué)習(xí)資料和相關(guān)培訓(xùn)機構(gòu)的教材。

本書是“十二五”普通高等教育本科國家級規(guī)劃教材。 全書共分9章：第1章控制系統(tǒng)的基本概念，第2章數(shù)學(xué)模型，第3章時域分析法，第4章根軌跡分析法，第5章頻域分析法，第6章控制系統(tǒng)的設(shè)計和校正，第7章線性離散系統(tǒng)與三變換，第8章狀態(tài)空間分析法，第9章控制系統(tǒng)的應(yīng)用和分析。書末附有5個附錄。每章附有習(xí)題，附錄E有部分習(xí)題參考答案。 本書的特點是：淡化經(jīng)典控制與現(xiàn)代控制的界限，突出方法論；重點闡述共性問題，適應(yīng)拓寬專業(yè)口徑的需要；不苛求嚴(yán)格的數(shù)學(xué)推證，從直觀的物理概念出發(fā)分析問題、解決問題；特別重視工程