類腦智能技術(shù)是當(dāng)前國際重要的科技前沿，研究類腦智能技術(shù)對發(fā)展新型信息產(chǎn)業(yè)意義重大。本書介紹了一種新穎的類腦模型—大腦情感學(xué)習(xí)模型，并介紹了其學(xué)習(xí)算法、改進(jìn)技術(shù)及應(yīng)用。大腦情感學(xué)習(xí)模型根據(jù)哺乳動物大腦邊緣系統(tǒng)的結(jié)構(gòu)建立，在模擬生物智能行為上表現(xiàn)出了良好的自適應(yīng)性能，模型結(jié)構(gòu)簡單，運算速度快。本書共9章，分為3篇：基礎(chǔ)篇、

人工智能超入門叢書致力于面向人工智能各技術(shù)方向零基礎(chǔ)的讀者，內(nèi)容涉及數(shù)據(jù)思維、數(shù)據(jù)科學(xué)、視覺感知、情感分析、搜索算法、強(qiáng)化學(xué)習(xí)、知識圖譜、專家系統(tǒng)等方向，體系完整、內(nèi)容簡潔、文字通俗，綜合介紹人工智能相關(guān)知識，并輔以程序代碼解決問題，使得零基礎(chǔ)的讀者快速入門。本書是人工智能超入門叢書的一個分冊，以機(jī)器學(xué)習(xí)為主線，介紹如

本書主要講解人工智能的技術(shù)發(fā)展和行業(yè)現(xiàn)狀，旨在幫助讀者掌握進(jìn)入人工智能行業(yè)工作的知識和方法。 本書首先介紹人工智能的技術(shù)概況、人工智能對人們的生活和工作的影響，以及人工智能的三大技術(shù)--機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和大數(shù)據(jù)的基本原理與應(yīng)用。其次，本書介紹人工智能從業(yè)者所需要的專業(yè)技術(shù)，并提供相應(yīng)的學(xué)習(xí)方法。接著，本書介紹人工智能

隨著人工智能技術(shù)的廣泛應(yīng)用，網(wǎng)絡(luò)智能化近年來受到廣泛的關(guān)注，已經(jīng)成為下一代移動通信與未來網(wǎng)絡(luò)的重要技術(shù)。阿爾法圍棋（AlphaGo）之后，深度強(qiáng)化學(xué)習(xí)不斷推陳出新，為網(wǎng)絡(luò)中的決策問題提供了有效的潛在解決方案。本書系統(tǒng)介紹了網(wǎng)絡(luò)智能化中深度強(qiáng)化學(xué)習(xí)的基本理論、算法及應(yīng)用場景。全書共8章，針對互聯(lián)網(wǎng)、移動通信網(wǎng)、邊緣網(wǎng)絡(luò)、

本書先介紹深度強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識及相關(guān)算法，然后給出多個實戰(zhàn)項目，以期讓讀者可以根據(jù)環(huán)境的直接反饋對智能體加以調(diào)整和改進(jìn)，提升運用深度強(qiáng)化學(xué)習(xí)技術(shù)解決實際問題的能力。本書涵蓋深度Q網(wǎng)絡(luò)、策略梯度法、演員-評論家算法、進(jìn)化算法、Dist-DQN、多智能體強(qiáng)化學(xué)習(xí)、可解釋性強(qiáng)化學(xué)習(xí)等內(nèi)容。本書給出的實戰(zhàn)項目緊跟深度強(qiáng)化學(xué)習(xí)

本書基于循序漸進(jìn)培養(yǎng)兒童數(shù)學(xué)核心概念和邏輯思維的培養(yǎng)目標(biāo)，用故事情景和實物化編程游戲工具，引導(dǎo)孩子在角色扮演和對圖形化程序指令符號的理解執(zhí)行過程中，訓(xùn)練孩子用計算思維解決問題，使抽象枯燥的數(shù)學(xué)教育和編程教育變成生動活潑、充滿童趣，又富有互動性的學(xué)習(xí)體驗。 附帶教學(xué)教案和教具

本書是入門階段的人工智能技術(shù)讀物，使讀者獲得人工智能的入門知識和基本的人工智能思維模式與動手能力，主要內(nèi)容包括人類智能與人工智能的關(guān)系、人工智能的定義、人工智能六大實現(xiàn)途徑、智能系統(tǒng)的動手實踐等，為學(xué)校開展人工智能入門教學(xué)或者讀者自學(xué)人工智能技術(shù)提供參考和指南。

使用機(jī)器學(xué)習(xí)技術(shù)解決實際應(yīng)用問題涉及模型的建立、訓(xùn)練及評估等步驟。優(yōu)化算法常被用于訓(xùn)練模型的參數(shù)，是機(jī)器學(xué)習(xí)的重要組成部分。機(jī)器學(xué)習(xí)模型的訓(xùn)練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識�；�于梯度的算法（例如加速梯度法、隨機(jī)梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM

本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論和設(shè)計基礎(chǔ)，給出了大量應(yīng)用實例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應(yīng)用，掌握其結(jié)構(gòu)模型和基本設(shè)計方法，為以后的深入研究和應(yīng)用開發(fā)打下基礎(chǔ)。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、基本特征與功能、應(yīng)用領(lǐng)域及基礎(chǔ)知識，第3~10章展開介

本書系統(tǒng)介紹了機(jī)器學(xué)習(xí)常用算法及其應(yīng)用，在深入分析算法原理的基礎(chǔ)上，結(jié)合當(dāng)前熱門應(yīng)用場景，向讀者展現(xiàn)了機(jī)器學(xué)習(xí)算法的綜合應(yīng)用，帶領(lǐng)讀者進(jìn)入機(jī)器學(xué)習(xí)領(lǐng)域，開啟人工智能行業(yè)的大門。全書共21章，分為3部分。第1部分介紹機(jī)器學(xué)習(xí)基礎(chǔ)算法，包括線性回歸、多項式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機(jī)森林、

本書的主體內(nèi)容包括機(jī)器學(xué)習(xí)概念與特征工程、機(jī)器學(xué)習(xí)技術(shù)、模型關(guān)系管理，其中，模型關(guān)系管理部分主要介紹了弱集成學(xué)習(xí)、強(qiáng)集成學(xué)習(xí)和混合專家模型。弱集成學(xué)習(xí)是指使用機(jī)器學(xué)習(xí)中的弱分類器實現(xiàn)模型準(zhǔn)確度和穩(wěn)定性之間的平衡。強(qiáng)集成學(xué)習(xí)是指協(xié)同特征工程與強(qiáng)分類器形成強(qiáng)集成學(xué)習(xí)環(huán)境。混合專家模型是指通過神經(jīng)網(wǎng)絡(luò)集成和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計形成深

2017年，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學(xué)開設(shè)人工智能相關(guān)課程，并提倡以計算思維為指導(dǎo)，將信息技術(shù)課程從技術(shù)導(dǎo)向轉(zhuǎn)換為科學(xué)導(dǎo)向。因此，機(jī)器學(xué)習(xí)作為人工智能技術(shù)的內(nèi)核，走入我國廣大中小學(xué)生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機(jī)器學(xué)習(xí)模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框

機(jī)器學(xué)習(xí)是人工智能的一個方向。它是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、矩陣論、神經(jīng)網(wǎng)絡(luò)、計算機(jī)等多門學(xué)科。其目標(biāo)是使用計算機(jī)模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動，從現(xiàn)有大量的數(shù)據(jù)中學(xué)習(xí)，利用經(jīng)驗不斷改善系統(tǒng)性能。機(jī)器學(xué)習(xí)步驟一般分為獲取數(shù)據(jù)、數(shù)據(jù)預(yù)處理、建立模型、模型評估和預(yù)測。本書共6章。第1章節(jié)主要介紹機(jī)器學(xué)習(xí)的基本概念及其

本書是近年來作者對混合智能系統(tǒng)研究成果及經(jīng)驗的總結(jié)。本書界定了混合智能系統(tǒng)的研究范圍和研究層次，給出了混合智能系統(tǒng)的概念。以設(shè)計科學(xué)的思想為基礎(chǔ)，以基于案例推理的混合智能系統(tǒng)技術(shù)選擇為核心，依據(jù)“從定性到定量綜合集成研討廳”的基本思想，提出了基于案例推理的混合智能系統(tǒng)構(gòu)造方法。在對串型混合智能系統(tǒng)、并型混合智能系統(tǒng)、反

人工智能是一項高科技技術(shù)，也是計算機(jī)技術(shù)的一個重要分支，此技術(shù)是以人工的方法，對人類的行動和思維進(jìn)行模仿，同時在人的智能基礎(chǔ)上進(jìn)行拓展。人工智能應(yīng)用面比較廣泛，可代替人類進(jìn)行各個方面的工作，可以說大大提高了人類在日常生活工作中的效率。但人工智能具有兩面性，對人類有好的一面也有不好的一面。因此，本書將結(jié)合人工智能技術(shù)的發(fā)

本書是《動手學(xué)深度學(xué)習(xí)》的重磅升級版本，選用PyTorch深度學(xué)習(xí)框架，旨在向讀者交付更為便捷的有關(guān)深度學(xué)習(xí)的交互式學(xué)習(xí)體驗。 本書重新修訂《動手學(xué)深度學(xué)習(xí)》的所有內(nèi)容，并針對技術(shù)的發(fā)展，新增注意力機(jī)制、預(yù)訓(xùn)練等內(nèi)容。本書包含15章，第一部分介紹深度學(xué)習(xí)的基礎(chǔ)知識和預(yù)備知識，并由線性模型引出基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)——多層感知機(jī)

本書是《Scikit-learn機(jī)器學(xué)習(xí)詳解》（潘風(fēng)文編著）的進(jìn)階篇，講解了Sklearn（Scikit-learn）機(jī)器學(xué)習(xí)框架的各種高級應(yīng)用技術(shù)，包括數(shù)據(jù)集導(dǎo)入工具、集成學(xué)習(xí)、模型選擇和交叉驗證、異常檢測、管道、信號分解、模型持久化以及Sklearn系統(tǒng)高級配置。通過本書的學(xué)習(xí)，讀者可快速掌握Sklearn框架的高

本書將人工智能與人類智慧深度融合，系統(tǒng)、全面地介紹了類腦智能目標(biāo)檢測網(wǎng)絡(luò)的構(gòu)建原理、方法、過程，具有較高的學(xué)術(shù)價值；同時，本書將所構(gòu)建的類腦智能目標(biāo)檢測網(wǎng)絡(luò)在無人車交通標(biāo)志檢測、無人車-機(jī)械臂協(xié)同作業(yè)這兩個場景進(jìn)行了示范應(yīng)用，具有較大的工程應(yīng)用價值。本書主要的讀者群體為從事類腦智能、計算機(jī)視覺、無人系統(tǒng)研究的科研工作者

本書基于作者多年的研究成果，詳細(xì)介紹了跨數(shù)據(jù)中心機(jī)器學(xué)習(xí)的訓(xùn)練系統(tǒng)設(shè)計和通信優(yōu)化技術(shù)。本書面向多數(shù)據(jù)中心間的分布式機(jī)器學(xué)習(xí)系統(tǒng)，針對多數(shù)據(jù)中心間有限的傳輸帶寬、動態(tài)異構(gòu)資源，以及異構(gòu)數(shù)據(jù)分布三重挑戰(zhàn)，自底向上討論梯度傳輸協(xié)議、流量傳送調(diào)度、高效通信架構(gòu)、壓縮傳輸機(jī)制、同步優(yōu)化算法、異構(gòu)數(shù)據(jù)優(yōu)化算法六個層次的優(yōu)化技術(shù)，旨

從取代簡單機(jī)械的重復(fù)勞動到輔助內(nèi)容創(chuàng)作、醫(yī)藥開發(fā)、科學(xué)實驗，人工智能產(chǎn)品正以驚人的速度在各行業(yè)大展拳腳，預(yù)示著人類即將進(jìn)入一個全新的發(fā)展階段。本書通過淺顯易懂的語言幫助你理解人工智能產(chǎn)品是什么，人工智能產(chǎn)品是怎么創(chuàng)造出來的以及人工智能產(chǎn)品是如何進(jìn)行創(chuàng)新迭代的。人工智能行業(yè)的快速發(fā)展對產(chǎn)品經(jīng)理提出了更高的要求，產(chǎn)品經(jīng)理需