本書是一部專門講述人工智能的應(yīng)用、發(fā)展前景和對人類的影響的兒童讀物,讓兒童切身感受到人工智能的現(xiàn)代智慧之光,從而愛上科學(xué)。

本書分為三部分,第一部分主要介紹集成學(xué)習(xí)的相關(guān)背景,即關(guān)于分類器的相關(guān)基礎(chǔ)理論;第二部分主要介紹集成學(xué)習(xí)方法的核心知識,諸如多分類器集成的框架、集成規(guī)則和性能評估等理論;Boosting、Bagging、Stacking和隨機森林(RandomForests)等經(jīng)典算法;除此之外,還介紹典型的動態(tài)集成方法以及集成聚類算

《新科技，向前沖！》主旨是那些對未來好玩的奇思妙想已經(jīng)不再是幻想，它們已經(jīng)出現(xiàn)在我們身邊，未來已來。三部曲包括《人工智能》、《航空航天》和《生命科學(xué)》，其中《航空航天》主要是通過講超越當(dāng)前的新型飛行器，例如高超聲速飛行器、可穿著式個人飛行器、星際飛行器等；《生命科學(xué)》主要是講克隆以外的超前生物技術(shù)，例如從人造細(xì)胞到合成

本書共13章,第1章介紹神經(jīng)網(wǎng)絡(luò)的概念、發(fā)展歷史、研究內(nèi)容、應(yīng)用領(lǐng)域以及神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系。其后12章的內(nèi)容分為兩大部分:第一部分(第2-7章)闡述了6種典型的神經(jīng)網(wǎng)絡(luò)模型,即M-P模型、感知機模型、BP神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、玻耳茲曼機、自組織神經(jīng)網(wǎng)絡(luò)等。第二部分(第8-13章)闡述了深度學(xué)習(xí)的6種

人工智能方興未艾，正在向人們生活的各個領(lǐng)域滲透。本書緊扣業(yè)界前沿，主要介紹了一些當(dāng)前流行、具有廣闊應(yīng)用前景的人工智能新技術(shù)。此外，本書各個章節(jié)還就一些重點專題給出了Python語言的程序?qū)崿F(xiàn)，使抽象的理論具體化，使生澀的算法容易理解。本書共分12章，主要介紹人工智能的基本概念、知識表示方法、確定性推理、不確定性推理、搜

本書首先對儲備池計算的相關(guān)概念、原理及研究進展進行了詳細(xì)介紹，在此基礎(chǔ)上，對基于半導(dǎo)體激光器構(gòu)建的延時型全光儲備池計算系統(tǒng)進行了理論研究。本書針對混沌掩碼的產(chǎn)生及其時延和復(fù)雜度特性分析、儲備池計算系統(tǒng)理論模型的建立、系統(tǒng)關(guān)鍵參數(shù)對預(yù)測和分類性能以及記憶能力的影響等幾個方面的問題進行了詳細(xì)的研究。本書的內(nèi)容取材于作

本書全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實踐，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，真正做到理論和實踐相結(jié)合。全書分7個部分，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，公平、信任、

本書系統(tǒng)介紹了5G物聯(lián)網(wǎng)端管云協(xié)同設(shè)計理念，主要內(nèi)容包括基于STM32單片機的感知終端開發(fā)、基于5GNB-IoT和NR的感知數(shù)據(jù)處理與傳輸、采用公有云和自建云的物聯(lián)數(shù)據(jù)存儲與Grafana可視化平臺，最后通過4個典型的物聯(lián)網(wǎng)綜合應(yīng)用和兩個物聯(lián)網(wǎng)競賽獲獎實戰(zhàn)案例，助力讀者掌握面向端管云協(xié)同設(shè)計的物聯(lián)網(wǎng)應(yīng)用項目開發(fā)。為提高

數(shù)字時代，個人和組織如何轉(zhuǎn)型和生存？本書寫給那些想了解自己需要做什么，然后實際采取行動的人。當(dāng)人工智能和其他數(shù)字技術(shù)帶來第四次工業(yè)革命時，作為個人，我們需要提升哪些技能，以便能夠與人工智能和諧共處并發(fā)揮自身價值？本書并不是在個案研究以及實現(xiàn)方法均不明確的情況下空談理想，而是詳細(xì)分析了成功和失敗兩種案例，通過大量調(diào)研，反

ML.NET是面向.NET開發(fā)人員的開源機器學(xué)習(xí)框架，可以幫助開發(fā)人員使用C#或F#創(chuàng)建自定義機器學(xué)習(xí)模型，從而將機器學(xué)習(xí)集成到Web、移動、桌面、游戲和物聯(lián)網(wǎng)應(yīng)用中�！犊缙脚_機器學(xué)習(xí)：ML.NET架構(gòu)及應(yīng)用編程》以ML.NET為核心，介紹了架構(gòu)及其基本知識，介紹了ML.NET的八大機器學(xué)習(xí)應(yīng)用場景：預(yù)測、分類、聚類、