本書全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實(shí)踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實(shí)踐相結(jié)合。全書分7個(gè)部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)和行動(dòng)，公平、信任、

機(jī)器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書涵蓋了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)，主要包括機(jī)器學(xué)習(xí)的概述、統(tǒng)計(jì)學(xué)基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、文本分析、分布式機(jī)器學(xué)習(xí)算法等經(jīng)典的機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，還包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、目標(biāo)檢測、自編碼器等深度學(xué)習(xí)的內(nèi)容。此外，

本書的寫作初衷是，從學(xué)者的角度，用一種通俗易懂的方式，將基于深度學(xué)習(xí)的目標(biāo)檢測的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時(shí)針對作者在深度學(xué)習(xí)教學(xué)過程中遇到的難點(diǎn)，進(jìn)行深入的分析和講解。本書側(cè)重對卷積神經(jīng)網(wǎng)絡(luò)的介紹，而深度學(xué)習(xí)的內(nèi)容不止于此。所以，作者將深度學(xué)習(xí)分為有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)三類，將圖像分類、目標(biāo)檢測、

本書致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場景方方面面的內(nèi)容。全書分為四部分：第一部分介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡(luò)成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡(luò)典型的前沿領(lǐng)域；第四部分描述可能對圖神經(jīng)網(wǎng)絡(luò)未來研

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)是人工智能研究的重要領(lǐng)域，是機(jī)器學(xué)習(xí)的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的科學(xué)。本書緊緊圍繞神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)體系進(jìn)行系統(tǒng)的梳理，力求從基礎(chǔ)理論、經(jīng)典模型和前沿應(yīng)用展開論述，便于讀者能夠較為全面地掌握深度學(xué)習(xí)的相關(guān)知識(shí)。全書共16章。第1章是緒論，簡要介紹人工智

本書采用全彩圖解+視頻講解的形式，通過生動(dòng)有趣的童話探秘之旅，介紹了利用JoyFrog（呱比特手柄）和Kittenblock進(jìn)行人工智能項(xiàng)目開發(fā)的思路及技巧。全書共18課，涵蓋以下知識(shí)點(diǎn)：百度大腦中的文字朗讀、語音識(shí)別、圖形識(shí)別、文字識(shí)別、人臉識(shí)別和寫詩寫春聯(lián)等，F(xiàn)aceAI中的人臉、微笑、年齡、性別等的檢測，機(jī)器學(xué)習(xí)

本書通過扎實(shí)、詳細(xì)的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對深度學(xué)習(xí)算法進(jìn)行分析和介紹。本書共三篇，第一篇主要介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺方向的一些卷積神經(jīng)網(wǎng)絡(luò)，從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級(jí)CNN、模型架構(gòu)搜索3個(gè)方向展開，介紹計(jì)算機(jī)視覺方向的里程碑算法；第二篇主要介紹深度學(xué)習(xí)在自然語言處理方向的重要突破，包括基

隨著云計(jì)算、大數(shù)據(jù)等的快速發(fā)展，越來越多的組織用信息化手段進(jìn)行流程管理。如何提升流程執(zhí)行的智能化程度、動(dòng)態(tài)性和柔性，以提高對非標(biāo)準(zhǔn)業(yè)務(wù)的管理效率，是流程管理面臨的一個(gè)重要問題。 本書基于流程管理系統(tǒng)積累的日志，提出了3種流程管理的工作流活動(dòng)推薦方法，分別為基于用戶類別近鄰的活動(dòng)推薦方法、基于Pearson相關(guān)系數(shù)的活動(dòng)

人工智能正在以前所未有的速度發(fā)展，其廣泛地應(yīng)用于汽車、醫(yī)療、交通、制造、金融等多個(gè)領(lǐng)域。通�！叭斯ぶ悄堋币辉~往往與人機(jī)交互系統(tǒng)相聯(lián)系，進(jìn)而突出其應(yīng)用性，表現(xiàn)為“機(jī)器學(xué)習(xí)”和“問題解決”等�，F(xiàn)如今人工智能不再是人的延伸，而是可以自我演進(jìn)的，是相對獨(dú)立的。這就決定了人工智能發(fā)展面臨著巨大的挑戰(zhàn)，不僅是技術(shù)層面的諸多挑戰(zhàn)，還

本書基于TensorFlow.NET框架，詳細(xì)介紹了.NET平臺(tái)下深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用技術(shù)，不僅闡述了算法原理，還演示了實(shí)踐代碼和運(yùn)行效果，其中完整示例主要采用的語言為C#和F#。全書分為3個(gè)部分：第一部分介紹了核心API的用法和基礎(chǔ)示例，包括數(shù)據(jù)類型、張量、EagerMode、自動(dòng)求導(dǎo)、線性回歸、邏輯回歸、tf.