人工智能當(dāng)前主要的研究與開發(fā)方向是模擬、延伸與擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，涉及的技術(shù)包括思考的工具、人工智能定義、模糊邏輯與大數(shù)據(jù)思維、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、大數(shù)據(jù)挖掘、智能代理、群體智能、機器視覺、智能圖像處理、包容體系結(jié)構(gòu)與智能機器人、自動規(guī)劃、自然語言處理和人工智能的發(fā)展等方面。本書知識內(nèi)容

本書向你展示了如何使用機器學(xué)習(xí)模型從圖像中提取信息。ML工程師和數(shù)據(jù)科學(xué)家將學(xué)習(xí)成熟的ML技術(shù)來解決各種圖像問題，包括分類、物體檢測、自動編碼器、圖像生成、計數(shù)和字幕。本書很好地介紹了端到端的深度學(xué)習(xí)：創(chuàng)建數(shù)據(jù)集、數(shù)據(jù)預(yù)處理、模型設(shè)計、模型訓(xùn)練、評估、部署和可解釋性。 Google工程師ValliappaLakshm

《人工智能探秘水下機器人》共2分冊，本分冊為上冊，采取科普結(jié)合圖形化編程的方式，介紹了從人工智能技術(shù)到水下機器人，從海洋科技發(fā)展到水下機器人裝備的使用和實踐。本分冊共16課，包含人工智能概述，機器人概述，水下機器人的學(xué)習(xí)和使用、運動控制及編程、圖形化編程拓展模塊的應(yīng)用，以及學(xué)生自由創(chuàng)意創(chuàng)新設(shè)計等，可培養(yǎng)學(xué)生的設(shè)計能力、

本書從計算思維的角度出發(fā)，以人工智能相關(guān)問題為引導(dǎo)，在解決實際案例問題的過程中植入知識點，為各專業(yè)的學(xué)生在今后設(shè)計、構(gòu)造和應(yīng)用各種計算系統(tǒng)，求解本學(xué)科的問題奠定基礎(chǔ)。全書內(nèi)容包括計算與計算思維、程序設(shè)計與算法、人工智能與智能計算、網(wǎng)絡(luò)與大數(shù)據(jù)這四大部分。本書適用于高等院校一年級新生的計算機導(dǎo)論等信息技術(shù)類基礎(chǔ)課程，可作

人工智能藍(lán)圖為讀者提供了一個可用框架和技術(shù)，以構(gòu)建你自己的成功人工智能業(yè)務(wù)應(yīng)用程序。你將在六個業(yè)務(wù)場景中學(xué)習(xí)到如何使用的人工智能軟件庫和成熟的工作流程來解決關(guān)鍵挑戰(zhàn)。一路上，你將學(xué)到從初的設(shè)計到完整的編碼和部署，構(gòu)建人工智能業(yè)務(wù)應(yīng)用程序的實用技術(shù)。本書給出的人工智能藍(lán)圖解決了關(guān)鍵的業(yè)務(wù)場景。個藍(lán)圖使用人工智能查找按時且

本書是中國移動物聯(lián)網(wǎng)作系統(tǒng)OneOS開發(fā)系列叢書之一，側(cè)重于內(nèi)核實現(xiàn)原理和內(nèi)核應(yīng)用。全書包含21章，詳細(xì)介紹OneOS內(nèi)核的相關(guān)知識，包括OneOS框架以及其OneOS核心技術(shù)——構(gòu)建工程、任務(wù)管理和任務(wù)調(diào)度、系統(tǒng)配置、時間管理、隊列、信號量、定時器、事件以及內(nèi)存管理等。所有源碼都配有詳細(xì)的注釋，且經(jīng)過嚴(yán)格的審核測試，

《二維重復(fù)控制》總結(jié)作者多年來的研究成果和體會，綜合重復(fù)控制領(lǐng)域的大量國內(nèi)外文獻(xiàn)資料，系統(tǒng)闡述二維重復(fù)控制的研究成果。主要內(nèi)容包括：重復(fù)控制原理、重復(fù)控制系統(tǒng)設(shè)計方法和二維重復(fù)控制基本思想，重復(fù)控制的二維特性和重復(fù)控制系統(tǒng)的二維混合模型，二維重復(fù)控制系統(tǒng)穩(wěn)定性分析，二維重復(fù)控制系統(tǒng)設(shè)計，二維重復(fù)控制系統(tǒng)魯棒性分析與設(shè)計

機器學(xué)習(xí)是以概率論、統(tǒng)計學(xué)、信息論、**化理論、計算理論等為基礎(chǔ)的計算機應(yīng)用理論學(xué)科，也是人工智能、數(shù)據(jù)挖掘等領(lǐng)域的基礎(chǔ)學(xué)科�！稒C器學(xué)習(xí)方法》全面系統(tǒng)地介紹了機器學(xué)習(xí)的主要方法，共分三篇。第一篇介紹監(jiān)督學(xué)習(xí)的主要方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與**熵模型、支持向量機、Boosting、E

《Scikit-Learn機器學(xué)習(xí)核心技術(shù)與實踐》循序漸進(jìn)地講解了使用Scikit-Learn開發(fā)機器學(xué)習(xí)程序的核心知識，并通過具體實例的實現(xiàn)過程演練了使用Scikit-Learn的方法和流程。全書共10章，包括人工智能與Scikit-Learn簡介，加載數(shù)據(jù)集，監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)，模型選擇和評估，數(shù)據(jù)集轉(zhuǎn)換，實現(xiàn)大

主要內(nèi)容●探索深度學(xué)習(xí)的**似然原理和統(tǒng)計學(xué)基礎(chǔ)●發(fā)現(xiàn)能輸出各種可能結(jié)果的概率模型●學(xué)習(xí)使用標(biāo)準(zhǔn)化流來建模和生成復(fù)雜分布●使用貝葉斯神經(jīng)網(wǎng)絡(luò)獲取模型中的不確定性