深度學習作為人工智能領域的“排頭兵”，將在未來的新一輪產(chǎn)業(yè)升級中起到至關重要的作用。本書以“理論＋實踐”的形式幫助讀者快速建立深度學習知識體系，不僅能在算法層面上理解各種神經(jīng)網(wǎng)絡模型，而且能借助功能強大且極易上手的Keras框架，熟練地搭建和訓練模型，應用于解決實際問題。全書共12章，內(nèi)容涵蓋入門深度學習的絕大部分基礎

近年來機器學習取得了長足的進步。深度學習系統(tǒng)使得一些以往不可能實現(xiàn)的智能應用成為現(xiàn)實，推動了圖像識別和自然語言處理的巨大變革，也成功識別出了數(shù)據(jù)中的復雜模式。Keras深度學習庫為使用R語言的數(shù)據(jù)科學家和開發(fā)者提供了處理深度學習任務的工具集�！禦語言深度學習》基于強大的Keras庫及其R語言接口介紹了深度學習。本書源于

本書將人工智能的理論、實踐和創(chuàng)新型相結(jié)合，實現(xiàn)了先進性與新穎性并舉，內(nèi)容涵蓋了圖像、語音、文本和□□等人工智能技術廣泛應用的多個領域，涉及識別、分類、檢測、預測、跟蹤和三維重建等多類試驗任務。內(nèi)容與理論教學相呼應，注重趣味性，極具實操性。

機器學習雖然對改進產(chǎn)品性能和推進研究有很大的潛力，但無法對它們的預測做出解釋，這是當前面臨的一大障礙。《可解釋機器學習：黑盒模型可解釋性理解指南》書是一本關于使機器學習模型及其決策具有可解釋性的書。本書探索了可解釋性的概念，介紹了簡單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點介紹了解釋黑盒模型的、與模型無關

本書主要以人工智能的幾種核心技術與發(fā)展應用為脈絡，以深入淺出的方式系統(tǒng)、清晰地介紹了人工智能的基本概念、發(fā)展歷程、關鍵技術和典型應用。全書涉及圖像識別、語音識別、大數(shù)據(jù)挖掘、智能控制、智能機器人、腦機接口、5G等前沿技術，為讀者構(gòu)造并描繪出一幅人工智能全景圖，向讀者展示了一個全新、智慧、前沿的科技新時代，使讀者能快速、

這是一本寫給普通人了解AI的趣味科普，它還有超級可愛的漫畫！這本書“非常易讀、有料，而且妙趣橫生、令人捧腹”（《萬物發(fā)明指南》作者瑞安·諾思），帶領普通人走進人工智能那個奇妙古怪又不可思議的世界，是一場幽默可愛的導覽。本書的主要內(nèi)容是人工智能可以做什么、不能做什么，以及它為什么已經(jīng)影響了我們生活的方方面面

本書詳細闡述了與神經(jīng)進化網(wǎng)絡開發(fā)相關的基本解決方案，主要包括神經(jīng)進化方法概述、Python庫和環(huán)境設置、使用NEAT進行XOR求解器優(yōu)化、擺桿平衡實驗、自主迷宮導航、新穎性搜索優(yōu)化方法、基于超立方體的NEAT和視覺辨別、ES-HyperNEAT和視網(wǎng)膜問題、協(xié)同進化和SAFE方法、深度神經(jīng)進化等內(nèi)容。此外，本書還提供了

自早期以來，神經(jīng)網(wǎng)絡就一直是人工智能的支柱。現(xiàn)在，令人興奮的新技術（例如深度學習和卷積）正在將神經(jīng)網(wǎng)絡帶入一個全新的方向。在本書中，我們將演示各種現(xiàn)實世界任務中的神經(jīng)網(wǎng)絡，例如圖像識別和數(shù)據(jù)科學。我們研究了當前的神經(jīng)網(wǎng)絡技術，包括ReLU激活、隨機梯度下降、交叉熵、正則化、Dropout及可視化等。

人工智能時代已經(jīng)來臨，這項技術正在改變?nèi)祟惖恼J知和生活，也對社會各個領域產(chǎn)生了重大的影響。本書從理論基礎、商業(yè)落地、實戰(zhàn)場景、案例分析多個方面介紹人工智能，講述人工智能對農(nóng)業(yè)、金融、娛樂、醫(yī)療、營銷、工業(yè)、教育等領域的影響。另外，為了迎合時代熱點，本書還分析了人工智能與5G、區(qū)塊鏈等前沿技術的融合及融合效果，使讀者了解

本書主要面向OpenCV領域的研究與開發(fā)人員，采用原理結(jié)合實戰(zhàn)的方式，介紹OpenCV4的機器學習算法模塊與深度神經(jīng)網(wǎng)絡模塊中的核心算法原理與C++編程實戰(zhàn)。全書共10章，第1~3章，介紹OpenCV4的基礎知識、基本圖像操作和機器學習基礎知識；第4~8章，介紹K-means、KNN、決策樹、隨機森林、Boosting