本書以知識(shí)表示與處理所涉及的相關(guān)知識(shí)，如知識(shí)獲取、知識(shí)表示、知識(shí)推理、知識(shí)遷移等內(nèi)容為主體，完整呈現(xiàn)了知識(shí)表示與處理的知識(shí)體系。本書首先，介紹了知識(shí)表示與處理的發(fā)展、相關(guān)概念、流程等；其次，介紹了知識(shí)獲取的內(nèi)容；再次，重點(diǎn)介紹了知識(shí)表示的各種方法，如邏輯謂詞、產(chǎn)生式規(guī)則、語(yǔ)義網(wǎng)絡(luò)、本體、知識(shí)圖譜等，以及知識(shí)推理所涉及的

本書系統(tǒng)性地介紹了深度學(xué)習(xí)的原理、關(guān)鍵技術(shù)及相關(guān)應(yīng)用，首先從基本概念、必備的線性代數(shù)、微積分、概率統(tǒng)計(jì)等數(shù)學(xué)知識(shí)等入手，這些預(yù)備知識(shí)可幫助讀者更好地理解深度學(xué)習(xí)技術(shù)。接著對(duì)深度學(xué)習(xí)方法和技術(shù)進(jìn)行了詳細(xì)介紹，包括卷積神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)等，針對(duì)每個(gè)技術(shù)都力圖用簡(jiǎn)單易懂的語(yǔ)言、詳盡的公式推導(dǎo)說

本書主要介紹構(gòu)建和訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)（GAN）的方法。全書共12章，先介紹生成模型以及GAN的工作原理，并概述它們的潛在用途，然后探索GAN的基礎(chǔ)結(jié)構(gòu)（生成器和鑒別器），引導(dǎo)讀者搭建一個(gè)簡(jiǎn)單的對(duì)抗系統(tǒng)。 本書給出了大量的示例，教讀者學(xué)習(xí)針對(duì)不同的場(chǎng)景訓(xùn)練不同的GAN，進(jìn)而完成生成高分辨率圖像、實(shí)現(xiàn)圖像到圖像的轉(zhuǎn)換、生成對(duì)

周志華老師的《機(jī)器學(xué)習(xí)》（俗稱“西瓜書”）是機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典入門教材之一。本書（俗稱“南瓜書”）基于Datawhale成員自學(xué)“西瓜書”時(shí)記下的筆記編著而成，旨在對(duì)“西瓜書”中重難點(diǎn)公式加以解析，以及對(duì)部分公式補(bǔ)充具體的推導(dǎo)細(xì)節(jié)。 全書共16章，與“西瓜書”章節(jié)、公式對(duì)應(yīng)，每個(gè)公式的推導(dǎo)和解析都以本科數(shù)學(xué)基礎(chǔ)的視角

演化學(xué)習(xí)作為機(jī)器學(xué)習(xí)中解決復(fù)雜優(yōu)化問題的重要方法，此前一直因?yàn)槔碚撝�撐不足未得到�?yīng)有重視。本書將介紹作者團(tuán)隊(duì)近幾年在演化學(xué)習(xí)理論和算法方面取得的重要進(jìn)展，彌補(bǔ)上述缺憾。本書內(nèi)容主要分四部分，第一部分簡(jiǎn)要介紹演化學(xué)習(xí)基礎(chǔ)知識(shí)；第二部分講述演化算法中用于分析運(yùn)行時(shí)和近似性能的通用理論工具；第三部分講解關(guān)于演化優(yōu)化中主要因素

知識(shí)圖譜的發(fā)展歷史源遠(yuǎn)流長(zhǎng)，從經(jīng)典人工智能的核心命題——知識(shí)工程，到互聯(lián)網(wǎng)時(shí)代的語(yǔ)義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級(jí)別的現(xiàn)代知識(shí)圖譜。知識(shí)圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識(shí)表示、表示學(xué)習(xí)、自然語(yǔ)言處理、圖數(shù)據(jù)庫(kù)和圖計(jì)算等多個(gè)領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識(shí)圖譜的表示、存儲(chǔ)、獲取、推理、融

本書以數(shù)據(jù)驅(qū)動(dòng)的數(shù)學(xué)問題研究為核心，是一部由研究工作構(gòu)成的原創(chuàng)著作。全書共分7章，按三個(gè)模塊劃分：第一個(gè)模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個(gè)導(dǎo)論；第二個(gè)模塊是粒度空間的基礎(chǔ)理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結(jié)構(gòu)聚類特征與融合，以及聚類結(jié)構(gòu)分析理論等研究；第三個(gè)模塊是粒度

本書為青少年人工智能編程水平測(cè)試C++4級(jí)官方指定教程,對(duì)應(yīng)青少年人工智能編程水平測(cè)試第4級(jí)的測(cè)試標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)主要用于測(cè)試青少年學(xué)習(xí)C++編程的初級(jí)水平。全書共有28課,主要圍繞測(cè)評(píng)大綱,用生動(dòng)的案例來講解C++基礎(chǔ)知識(shí),包括輸出、變量和常量、程序結(jié)構(gòu)、運(yùn)算符、分支、循環(huán)、枚舉、函數(shù)、排序算法等。全書體系完整、結(jié)構(gòu)合理

本書以TensorFlow2深度學(xué)習(xí)的常用技術(shù)與真實(shí)案例相結(jié)合的方式,深入淺出介紹TensorFlow2深度學(xué)習(xí)的重要內(nèi)容。全書共7章,內(nèi)容包括深度學(xué)習(xí)入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)、基于CNN的門牌號(hào)識(shí)別、基于LSTM的語(yǔ)音識(shí)別、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換等技術(shù),以及如何使用Ti

本書分八章，內(nèi)容包括：深度學(xué)習(xí)簡(jiǎn)介、搭建深度學(xué)習(xí)開發(fā)環(huán)境、數(shù)字圖像處理技術(shù)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)、圖像合成等。

本書致力于推動(dòng)人工智能的普及教育，結(jié)合最新的人工智能科學(xué)技術(shù)的發(fā)展成果，使用通俗易懂的語(yǔ)言深入淺出地介紹了人工智能的相關(guān)知識(shí)，重點(diǎn)介紹了人工智能的孕育、人工智能的誕生、人工智能的復(fù)蘇、人工智能的高速發(fā)展、人工智能的應(yīng)用分支和哲學(xué)與思考等方面，在每章節(jié)后都有與之對(duì)應(yīng)的章節(jié)習(xí)題，供學(xué)習(xí)者學(xué)習(xí)，以強(qiáng)化學(xué)生解決問題的能力。

場(chǎng)景化機(jī)器學(xué)習(xí)

《人工智能簡(jiǎn)史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學(xué)科的所有領(lǐng)域，包括人工智能的起源、自動(dòng)定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語(yǔ)言處理、遺傳算法、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、超級(jí)智能、哲學(xué)問題和未來趨勢(shì)等，以宏闊的視野和生動(dòng)的語(yǔ)言，對(duì)人工智能進(jìn)行了全面回顧和深度點(diǎn)評(píng)。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，

大部分TensorFlow教材應(yīng)用案例少，理論講解比較概括，學(xué)生數(shù)學(xué)基礎(chǔ)薄弱，對(duì)人工神經(jīng)網(wǎng)絡(luò)較難入門。本教材介紹TensorFlow的發(fā)展和特點(diǎn)后，通過案例詳細(xì)介紹TensorFlow的使用，著重細(xì)致地講解學(xué)生學(xué)習(xí)中遇到的難點(diǎn)，比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學(xué)生逐層遞進(jìn)地掌握TensorFlow，最后

本書主要內(nèi)容包括機(jī)器學(xué)習(xí)介紹，NumPy、Pandas、SciPy庫(kù)、Matplotlib（可視化）四個(gè)基礎(chǔ)模塊，Scikit-learn算法、模型、擬合、過擬合、欠擬合、模型性能度量指標(biāo)、數(shù)據(jù)標(biāo)準(zhǔn)化、非線性轉(zhuǎn)換、離散化，以及特征抽取和降維的各種方法，包括特征哈希、文本特征抽取、特征聚合等。全書通過實(shí)用范例和圖解形式講

機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域.本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的各方面.全書共16章，大致分為3個(gè)部分：第1部分（第1～3章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)；第2部分（第4～10章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度

本書從概念和數(shù)學(xué)原理上對(duì)人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、深度學(xué)習(xí)幾個(gè)主要方面進(jìn)行了闡述，并以Python為主要工具進(jìn)行了相應(yīng)的編程實(shí)踐，以使讀者對(duì)人工智能相關(guān)技術(shù)有更直觀和深入的理解。此外，本書也用幾個(gè)獨(dú)立的章節(jié)從原理和實(shí)踐上介紹了量子計(jì)算、區(qū)塊鏈技術(shù)、并行計(jì)算、增強(qiáng)現(xiàn)實(shí)等與人工智能

人工智能到底是什么？人工智能可以做什么？人工智能未來發(fā)展將面臨什么樣的問題？本書將深入淺出地為你講述人工智能那些事兒，包括人工智能的歷史、人工智能的核心概念與關(guān)鍵技術(shù)、人工智能思維與各類應(yīng)用，以及人工智能未來的發(fā)展趨勢(shì)，等等。所有你想了解的，書中可能都會(huì)涉及，即使從未接觸過人工智能的人，通過閱讀本書，也能對(duì)人工智能有一

類腦人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人腦智能的理論、方法及應(yīng)用的技術(shù)科學(xué)，將類腦人工智能技術(shù)應(yīng)用于目標(biāo)檢測(cè)與跟蹤，可大幅提升復(fù)雜背景、干擾條件下的目標(biāo)檢測(cè)概率及跟蹤精度，具有重要而廣泛的應(yīng)用前景。本書系統(tǒng)闡述了人腦視覺信息處理機(jī)制的基本原理、主要特性、數(shù)學(xué)建模及算法設(shè)計(jì)等。同時(shí)，結(jié)合深度神經(jīng)網(wǎng)絡(luò)（DNN）、類腦

本書的目標(biāo)，是讓非機(jī)器學(xué)習(xí)領(lǐng)域甚至非計(jì)算機(jī)專業(yè)出身但有學(xué)習(xí)需求的人，輕松地掌握機(jī)器學(xué)習(xí)的基本知識(shí)，從而擁有相關(guān)的實(shí)戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學(xué)習(xí)機(jī)器學(xué)習(xí)的對(duì)話展開，內(nèi)容輕松，實(shí)戰(zhàn)性強(qiáng)，主要包括機(jī)器學(xué)習(xí)快速上手路徑、數(shù)學(xué)和Python基礎(chǔ)知識(shí)、機(jī)器學(xué)習(xí)基礎(chǔ)算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡(luò)、卷積