粒計(jì)算采用模擬人類大腦的認(rèn)知思維規(guī)律，從而提高解決復(fù)雜問題的效率，已經(jīng)在智能信息處理領(lǐng)域發(fā)揮了重要的作用�！恫淮_定性問題的多粒度建模與決策方法》重點(diǎn)從多粒度的視角研究不確定性問題。從多粒度建模和決策兩個(gè)角度出發(fā)，研究多粒度知識(shí)空間的結(jié)構(gòu)特征，并在多粒度知識(shí)空間的框架下研究不確定性問題的近似描述、粒度優(yōu)化模型、動(dòng)態(tài)更新模

一本將AI繪畫講透的探秘指南，通過豐富的實(shí)踐案例操作，通俗易懂地講述AI繪畫的生成步驟，生動(dòng)展現(xiàn)了AI繪畫的魔法魅力。從歷史到未來(lái)，跨越百年時(shí)空；從理論到實(shí)踐，講述案例操作；從技術(shù)到哲學(xué)，穿越多個(gè)維度；從語(yǔ)言到繪畫，落地實(shí)戰(zhàn)演練。AI繪畫的誕生，引發(fā)了奇點(diǎn)降臨，點(diǎn)亮了AGI（通用人工智能），并涉及Prompt、風(fēng)格、技

本書基于PyTorch框架介紹深度學(xué)習(xí)的有關(guān)理論和應(yīng)用,以Python為實(shí)現(xiàn)語(yǔ)言。全書共分10章，內(nèi)容包括深度學(xué)習(xí)的概念和發(fā)展過程、感知器、全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、若干經(jīng)典CNN預(yù)訓(xùn)練模型及其遷移方法、深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用案例、循環(huán)神經(jīng)網(wǎng)絡(luò)、基于預(yù)訓(xùn)練模型的自然語(yǔ)言處理、面向模型解釋的深度神經(jīng)網(wǎng)絡(luò)可視化方法、多模

閱讀本書，即使讀者僅掌握高中數(shù)學(xué)知識(shí)，也能理解和應(yīng)用強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù)！簡(jiǎn)單來(lái)講，機(jī)器學(xué)習(xí)是一套以算法為基礎(chǔ)的數(shù)據(jù)分析技術(shù)，當(dāng)你提供更多數(shù)據(jù)時(shí)，算法可反饋更好的結(jié)果。ML支持許多尖端技術(shù)，如推薦系統(tǒng)、面部識(shí)別軟件、智能揚(yáng)聲器，甚至包括自動(dòng)駕駛汽車。本書不落窠臼，示例豐富，精選的練習(xí)十分有趣，插圖清晰，講解機(jī)器學(xué)習(xí)的核心

人們相信人工智能可以為這個(gè)時(shí)代的技術(shù)帶來(lái)突破，而ChatGPT則使這種希望成為現(xiàn)實(shí)�，F(xiàn)在，許多人都渴望了解與ChatGPT相關(guān)的一切，包括技術(shù)的歷史和背景，其神奇的功能以及如何使用它。雖然ChatGPT的使用方法很簡(jiǎn)單，但它具有無(wú)限的潛力。如果不去親身體驗(yàn)，很難體會(huì)到它的強(qiáng)大之處。本書盡可能全面地介紹了與ChatGPT

機(jī)器學(xué)習(xí)是人工智能的重要分支。本書立足實(shí)用且易于上手實(shí)踐的原則，系統(tǒng)地介紹機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典算法，以及這些算法的Python實(shí)現(xiàn)和典型應(yīng)用。本書分4部分:第1部分介紹監(jiān)督學(xué)習(xí)，包括線性模型、決策樹分類、貝葉斯分類器、集成學(xué)習(xí)和支持向量機(jī)；第2部分介紹無(wú)監(jiān)督學(xué)習(xí)，包括關(guān)聯(lián)規(guī)則、聚類分析和數(shù)據(jù)降維；第3部分介紹深度學(xué)習(xí)，包

本書是寫給沒有學(xué)過任何計(jì)算機(jī)語(yǔ)言的讀者的，例如大學(xué)生。本書主要講授MATLAB的基本知識(shí)，從如何打開MATLAB的指令窗口，輸入最簡(jiǎn)單的指令開始，利用MATLAB提供的交互式環(huán)境，用簡(jiǎn)明的實(shí)例向讀者示范如何調(diào)用MATLAB的內(nèi)部函數(shù)實(shí)現(xiàn)數(shù)值計(jì)算、符號(hào)運(yùn)算和平面曲線、空間曲線與曲面圖等圖形輸出，以及機(jī)器學(xué)習(xí)和線性代數(shù)與微

本書的主要內(nèi)容涵蓋機(jī)器學(xué)習(xí)領(lǐng)域的主要模型和算法,包括監(jiān)督學(xué)習(xí)的分類和回歸模型與算法、非監(jiān)督學(xué)習(xí)的聚類和降維算法、強(qiáng)化學(xué)習(xí)的主要算法、遷移學(xué)習(xí)的實(shí)例以及最新前沿的相關(guān)模型和算法的實(shí)踐。本書以實(shí)驗(yàn)項(xiàng)目或案例為單元,每個(gè)單元有明確的實(shí)驗(yàn)?zāi)康�、原理和�?shí)驗(yàn)步驟,包括基礎(chǔ)驗(yàn)證性實(shí)驗(yàn)、綜合設(shè)計(jì)性實(shí)驗(yàn)和系統(tǒng)開發(fā)項(xiàng)目實(shí)踐。

本書主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學(xué)習(xí)(線性回歸、SVM、決策樹等)、無(wú)監(jiān)督學(xué)習(xí)(降維、聚類等),以及深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用等。本書旨在為廣大讀者提供一個(gè)系統(tǒng)全面、易于理解的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)入門教程。不需要過多的數(shù)學(xué)背景,只需掌握基本的編程知識(shí)即可輕松上手。

本書使用Python對(duì)人工智能機(jī)器學(xué)習(xí)中的相關(guān)知識(shí)進(jìn)行了算法實(shí)現(xiàn),并以這些知識(shí)為背景解釋了什么是深度學(xué)習(xí)。具體內(nèi)容包括初識(shí)機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)基礎(chǔ)、群智能與優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。因?yàn)闆]有使用TensorFlow、PyTorch等任何程序庫(kù),僅使用Python直接實(shí)現(xiàn)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的相關(guān)算法,可以讓讀者更好地理