本書是以作者多年來從事人工智能研究的經(jīng)驗為基礎(chǔ)，并廣泛參考了國內(nèi)外最新研究資料編寫而成的。本書從人工智能的本源問題出發(fā)，著重介紹了人工智能各領(lǐng)域的概念體系、方法體系、經(jīng)典算法與新的流行算法以及當(dāng)前人工智能的研究熱點——機(jī)器學(xué)習(xí)和機(jī)器視覺。 本書可供高等院校人工智能相關(guān)專業(yè)本科生、研究生作為教材或參考書使用，也可供相關(guān)

本書是為應(yīng)用型本科學(xué)校自動控制類課程編寫的教材，重點講述了經(jīng)典控制理論、離散控制系統(tǒng)及其應(yīng)用，主要內(nèi)容包括自動控制基礎(chǔ)概論、控制系統(tǒng)的動態(tài)數(shù)學(xué)模型、控制系統(tǒng)的時域瞬態(tài)響應(yīng)分析、線性系統(tǒng)的根軌跡法、控制系統(tǒng)的頻率特性、控制系統(tǒng)的綜合與校正、離散系統(tǒng)與計算機(jī)控制系統(tǒng)，還對非線性控制系統(tǒng)分析和線性系統(tǒng)的狀態(tài)空間分析作了介紹。

本書以人工液位系統(tǒng)、電機(jī)轉(zhuǎn)速等5個工程項目為載體，以完成具體項目任務(wù)為主線，將自動控制系統(tǒng)的總體認(rèn)識、數(shù)學(xué)模型建立、系統(tǒng)性能分析方法以及系統(tǒng)主要性能的分析和校正等經(jīng)典控制理論知識融入各工程項目中，讓學(xué)生在解決實際工程問題的過程中理解和掌握抽象的理論知識，從而達(dá)到學(xué)以致用的目的。每個項目都有項目引入、信息收集、項目實施、

人工智能是一門新的交叉學(xué)科，近年來涌現(xiàn)出了許多新的算法模型和框架。本書面向人工智能算法的實踐與應(yīng)用，參考了*級會議和國內(nèi)外競賽平臺的內(nèi)容，將所涉及的分類、檢測、識別、預(yù)測等多項實驗任務(wù)進(jìn)行歸類和優(yōu)化整理。書中對每個實驗的背景與內(nèi)容都進(jìn)行了詳細(xì)闡述，對實驗的要求與評估方法進(jìn)行了深入討論，對實驗數(shù)據(jù)及來源進(jìn)行了詳盡描述，并

本書作為“自動控制原理”課程實踐性教學(xué)的教材，較全面地涵蓋了經(jīng)典控制理論知識的重點和難點。本書所編排的實驗章節(jié)內(nèi)容與“自動控制原理”教材的課程內(nèi)容相對應(yīng)，共5章，分別為自動控制的基礎(chǔ)理論、線性系統(tǒng)時域分析、線性系統(tǒng)頻域分析、線性系統(tǒng)的校正與設(shè)計、非線性系統(tǒng)分析及線性系統(tǒng)的狀態(tài)反饋，并按照自動控制原理知識體系精心設(shè)計了2

本書首先闡述了物聯(lián)網(wǎng)的基本概念、關(guān)鍵技術(shù)和應(yīng)用案例等物聯(lián)網(wǎng)的基本理論知識，然后循序漸進(jìn)地介紹物聯(lián)網(wǎng)開發(fā)的典型實戰(zhàn)任務(wù)，通過逐級遞進(jìn)式任務(wù)介紹法達(dá)到理論與實踐相結(jié)合的目的，使讀者清晰地了解物聯(lián)網(wǎng)系統(tǒng)開發(fā)的整體流程。本書針對每個實戰(zhàn)任務(wù)提供微課視頻和源代碼。本書可作為高等院校通信工程、電子信息工程、人工智能、機(jī)械電子、計算

本書以交互設(shè)計的理論方法為主線，建立正確的認(rèn)識論和方法論，通過六個步驟，從三個角度介紹交互設(shè)計的流程和思維方法。六個步驟主要包括市場調(diào)研與設(shè)計研究、用戶研究與任務(wù)分析、商業(yè)模型與概念設(shè)計、信息架構(gòu)與設(shè)計實現(xiàn)、設(shè)計評估與用戶測試、系統(tǒng)開發(fā)與運(yùn)營跟蹤。本書通過真實、完整的案例，與讀者分享作者的實踐心得，幫助讀者加深對交互設(shè)

內(nèi)容簡介書中以案例形式詳細(xì)介紹了PyTorch的各種實戰(zhàn)應(yīng)用。具體內(nèi)容包括PyTorch與TensorFlow的對比和PyTorch的發(fā)展現(xiàn)狀，張量Tensor和自動微分Autograd及其具體應(yīng)用，PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)，基于PyTorch構(gòu)建復(fù)雜應(yīng)用，PyTorch高級技巧與實戰(zhàn)應(yīng)用，網(wǎng)絡(luò)剪枝應(yīng)用。

??學(xué)習(xí)成功機(jī)器學(xué)習(xí)項目的最佳實踐。??使用Azure完成自動機(jī)器學(xué)習(xí)。??理解分類和回歸，以及模型可解釋性和透明性等概念。??了解如何在其他環(huán)境中使用AutomatedML，如AzureDatabricks、ML.NET和SQLServer。??探索推動機(jī)器學(xué)習(xí)大眾化的工具。

·學(xué)習(xí)如何在生產(chǎn)環(huán)境部署深度學(xué)習(xí)模型。·研究多家領(lǐng)先公司的PyTorch用例。·學(xué)習(xí)如何對圖像應(yīng)用遷移學(xué)習(xí)。·使用Wikipedia上訓(xùn)練的一個模型應(yīng)用前沿的NLP技術(shù)。·使用PyTorch的torchaudio庫用一個基于卷積的模型完成音頻分類。&