本書針對(duì)深度學(xué)習(xí)及開源框架——PyTorch，采用簡(jiǎn)明的語言進(jìn)行知識(shí)的講解，注重實(shí)戰(zhàn)。全書分為4篇，共19章。深度學(xué)習(xí)基礎(chǔ)篇（第1章~第6章）包括PyTorch簡(jiǎn)介與安裝、機(jī)器學(xué)習(xí)基礎(chǔ)與線性回歸、張量與數(shù)據(jù)類型、分類問題與多層感知器、多層感知器模型與模型訓(xùn)練、梯度下降法、反向傳播算法與內(nèi)置優(yōu)化器。計(jì)算機(jī)視覺篇（第7章~

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(duì)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)

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(duì)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

全書可分為五大部分，闡述了分布式人工智能的基礎(chǔ)知識(shí)以及相關(guān)進(jìn)展，包括分布式人工智能簡(jiǎn)介、分布式規(guī)劃與優(yōu)化、多智能體博弈、多智能體學(xué)習(xí)和分布式人工智能應(yīng)用。除此之外，由于本領(lǐng)域尚處于蓬勃發(fā)展階段，相關(guān)技術(shù)與應(yīng)用層出不窮，因此書中還提供了研究者對(duì)于分布式人工智能發(fā)展的相關(guān)預(yù)測(cè)，主要集中在：第一，更復(fù)雜和更大規(guī)模的分布式人工

本書主要針對(duì)控制理論的一些重要分支，分析了當(dāng)前存在的瓶頸問題，展望了其發(fā)展趨勢(shì)和面臨的一系列挑戰(zhàn)。全書共分為17章，分別為：優(yōu)化控制研究的概述與關(guān)鍵問題分析、邏輯控制系統(tǒng)中的未解問題、系統(tǒng)與控制中優(yōu)化理論與應(yīng)用的挑戰(zhàn)與瓶頸、分布參數(shù)系統(tǒng)控制、數(shù)據(jù)驅(qū)動(dòng)控制系統(tǒng)、自抗擾控制中的若干未解問題、非線性控制的幾個(gè)瓶頸問題、時(shí)間與

本書在理解算法如何工作和如何更好地調(diào)整模型之間架起一座橋梁。本書將幫助你掌握開發(fā)主要機(jī)器學(xué)習(xí)模型的技能，包括監(jiān)督和無監(jiān)督學(xué)習(xí)（其中包括線性/對(duì)率回歸）、決策樹、隨機(jī)森林、梯度提升機(jī)（GBM）、神經(jīng)網(wǎng)絡(luò)、k均值聚類、主成分分析和推薦系統(tǒng)。你將通過應(yīng)用于文本挖掘的CNN、RNN和Word2vec接觸到*新的深度學(xué)習(xí)，并學(xué)習(xí)

本書著重介紹人工智能基礎(chǔ)知識(shí)，構(gòu)建人工智能通識(shí)體系，覆蓋人工智能典型應(yīng)用領(lǐng)域。在基本知識(shí)體系的基礎(chǔ)上，對(duì)人工智能的算法進(jìn)行定性介紹，同時(shí)輔以豐富的人工智能行業(yè)典型應(yīng)用案例。本書分為兩篇，包含10章�；�礎(chǔ)知識(shí)篇圍繞人工智能基礎(chǔ)知識(shí)體系，主要介紹了人工智能概念與發(fā)展，人工智能生態(tài)及體系框架，以及人工智能感知技術(shù)，如計(jì)算機(jī)視

深度學(xué)習(xí)和自然計(jì)算是人工智能領(lǐng)域中的熱點(diǎn)研究方向。通過研究分析、模擬人腦的認(rèn)知機(jī)理以及自然系統(tǒng)的智能行為和機(jī)制，構(gòu)造相應(yīng)的學(xué)習(xí)模型與優(yōu)化算法，利用先進(jìn)的計(jì)算工具實(shí)現(xiàn)高效的計(jì)算智能方法，并用于解決實(shí)際工程問題是人工智能研究的重要途徑。本書共分11章，主要介紹人工智能、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)

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.

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(duì)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