本書是一本系統(tǒng)介紹機器學(xué)習(xí)所涉及的數(shù)學(xué)知識和相關(guān)Python編程的實例工具書,同時還介紹了非常經(jīng)典的綜合案例,除了編寫機器學(xué)習(xí)的代碼,還編寫了深度學(xué)習(xí)的代碼。本書一共分為兩部分。 第一部分為數(shù)學(xué)基礎(chǔ)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(xué)、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(xué)
本書主要介紹了人工智能的基礎(chǔ)知識和實用技術(shù)。本書共8章,包括“人工智能:開啟智慧新時代”“Python:人工智能開發(fā)語言”“線性回歸:預(yù)測未來趨勢”“分門別類:幫你‘分而治之’”“物以類聚:發(fā)現(xiàn)新簇群”“個性化推薦:主動滿足你的需求”“語音識別:讓機器對你言聽計從”“人臉識別:機器也認(rèn)識你”。 本書以培養(yǎng)學(xué)生人工智能素
全書從推薦系統(tǒng)的發(fā)展歷史、基本構(gòu)成開始,依次剖析推薦系統(tǒng)的內(nèi)容召回、協(xié)同過濾召回、深度學(xué)習(xí)召回中具有代表性的模型;再從經(jīng)典排序模型到基于深度學(xué)習(xí)的排序,順勢介紹會話推薦、強化學(xué)習(xí)推薦及工業(yè)級推薦,搭建了完整的推薦系統(tǒng)技術(shù)體系,這是一個由淺入深的系統(tǒng)學(xué)習(xí)過程。 本書的目標(biāo)讀者應(yīng)該對深度學(xué)習(xí)有基本的了解,掌握概率論、線性代
本書聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域,以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的進展與新興技術(shù)的交叉融合,其中70%的內(nèi)容來源于IEEE計算機協(xié)會相關(guān)刊物內(nèi)容的全文翻譯,另外30%的內(nèi)容由STEERTech和iCANXTalks上的國際知名科學(xué)家的學(xué)術(shù)報告、報道以及相關(guān)活動內(nèi)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(lǐng)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(jié)構(gòu)形式是傳統(tǒng)自動化控制系統(tǒng)應(yīng)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
本書以Python機器學(xué)習(xí)常用技術(shù)與真實案例相結(jié)合的方式,深入淺出地介紹了Python機器學(xué)習(xí)應(yīng)用的主要內(nèi)容。全書共11章,分別介紹了機器學(xué)習(xí)概述、數(shù)據(jù)準(zhǔn)備、特征工程、有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、智能推薦的相關(guān)知識,并介紹了市財政收入分析案例、基于非侵入式電力負(fù)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)
本書選材廣泛,主要包括人工智能概述、現(xiàn)實世界中人工智能的應(yīng)用、人工智能的類型、人工智能的利與弊、人工智能中的知識表示、人工智能中的推理、人工智能中的搜索算法、機器學(xué)習(xí)算法、專家系統(tǒng)、人工智能中的模糊邏輯及其應(yīng)用、有監(jiān)督機器學(xué)習(xí)與無監(jiān)督機器學(xué)習(xí)、現(xiàn)實世界中機器學(xué)習(xí)的應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、模式識別、面部識別、人工智
近年來,人工智能發(fā)展非常迅速,在可以預(yù)見的未來,它必然會強烈沖擊并深刻變革人類既有的生活模式。實際上,除技術(shù)問題外,人工智能的邏輯基礎(chǔ)和倫理基礎(chǔ)與哲學(xué)之間的關(guān)系也十分密切。有鑒于此,本書從與人工智能緊密相關(guān)的哲學(xué)問題入手,關(guān)注如下話題:強人工智能是否可能;近代唯理論和經(jīng)驗論爭論對于人工智能的影響;蘇聯(lián)、日本及歐盟在人工
本書系統(tǒng)論述了智能開源硬件的電路基礎(chǔ)、原理、開發(fā)方法及實戰(zhàn)設(shè)計案例,理論與實踐緊密結(jié)合。全書分四篇,分別為電路分析基礎(chǔ)篇、數(shù)字電路篇、模擬電路篇、智能感知篇;涵蓋14章,內(nèi)容包括電路分析基礎(chǔ)、正弦穩(wěn)態(tài)電路、一階電路、數(shù)字邏輯基礎(chǔ)、組合邏輯電路、觸發(fā)器、時序邏輯電路、放大電路、模擬集成電路等開發(fā)開源硬件所需的電路基礎(chǔ)理論
零樣本圖像分類主要解決在標(biāo)記訓(xùn)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(xué)習(xí)領(lǐng)域的研究熱點之一。利用可見類訓(xùn)練樣本學(xué)習(xí)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(xué)習(xí)任務(wù)�!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(xué)習(xí)及知識挖掘、屬性自適應(yīng)、