PyTorch神經(jīng)網(wǎng)絡(luò)實戰(zhàn):移動端圖像處理主要介紹人工智能研究領(lǐng)域中神經(jīng)網(wǎng)絡(luò)的PyTorch架構(gòu),對其在多個領(lǐng)域的應(yīng)用進(jìn)行系統(tǒng)性的歸納和梳理。書中的案例有風(fēng)景圖分類、人像前景背景分割、低光照圖像增法、動漫頭像生成、畫風(fēng)遷移、風(fēng)格轉(zhuǎn)換等,對每項視覺任務(wù)的研究背景、應(yīng)用價值、算法原理、代碼實現(xiàn)和移動端部署流程進(jìn)行了詳細(xì)描述
本書講述機器學(xué)習(xí)的基本理論與應(yīng)用,使用OpenCV、Python與MATLAB實現(xiàn)涉及的各種機器學(xué)習(xí)算法。通過理論學(xué)習(xí)和實踐應(yīng)用,讀者能夠理解并掌握機器學(xué)習(xí)的原理和應(yīng)用,拉近理論與實踐的距離。全書共分15章,主要內(nèi)容包括:機器學(xué)習(xí)理論簡介、機器學(xué)習(xí)理論與應(yīng)用數(shù)學(xué)基礎(chǔ)、機器學(xué)習(xí)編程基礎(chǔ)、基于OpenCV和Python的機
本書是面向青少年的人工智能科普書和入門讀物,立足于趣味性、科學(xué)性、知識性和實踐性,盡量避免晦澀專業(yè)術(shù)語對閱讀流暢性的影響。書中還包含數(shù)十個精心篩選的實踐案例,可根據(jù)讀者需要靈活選用。全書共5個單元、14章,從人工智能的發(fā)展簡史講起,以語音、圖像、生活中的典型場景及倫理問題為主要知識載體,聚焦問題,深入淺出地引出人工智能
本書圍繞scikit-learn庫,詳細(xì)介紹機器學(xué)習(xí)模型、算法、應(yīng)用場景及其案例實現(xiàn)方法,通過對相關(guān)算法循序漸進(jìn)的講解,帶你輕松踏上機器學(xué)習(xí)之旅。本書采用理論與實踐相結(jié)合的方式,結(jié)合Python3語言的強大功能,以小的編程代價來實現(xiàn)機器學(xué)習(xí)算法。本書配套PPT課件、案例源碼、數(shù)據(jù)集、開發(fā)環(huán)境與答疑服務(wù)。本書共分13章,
本書以人工智能商業(yè)落地、元宇宙的發(fā)展、產(chǎn)業(yè)治理為背景,通過八章內(nèi)容系統(tǒng)介紹了人工智能發(fā)展的關(guān)鍵技術(shù)、應(yīng)用領(lǐng)域和產(chǎn)業(yè)格局:翔實闡述了人工智能的發(fā)展過程,構(gòu)建人工智能技術(shù)地圖;根據(jù)人工智能實際應(yīng)用現(xiàn)狀,對元宇宙進(jìn)行了介紹,客觀反映人工智能領(lǐng)域當(dāng)前的發(fā)展水平;對人工智能的發(fā)展趨勢、風(fēng)險與挑戰(zhàn)進(jìn)行展望;對全球人工智能產(chǎn)業(yè)鏈及主
本書從資產(chǎn)定價的核心問題出發(fā),前沿而體系化地討論了如何通過經(jīng)濟學(xué)推理將機器學(xué)習(xí)方法引入實證和理論資產(chǎn)定價研究之中,從而有效解決機器學(xué)習(xí)應(yīng)用在資產(chǎn)定價中所面臨的挑戰(zhàn),搭建了研究機器學(xué)習(xí)與資產(chǎn)定價的橋梁。為提升閱讀體驗,幫助讀者充分理解書中內(nèi)容,譯者王熙教授與石川博士在行文中加入了精彩豐富的譯者注,給原著提供必要的背景知識
本書以營銷智能國家新一代人工智能開放創(chuàng)新平臺為基礎(chǔ),綜合應(yīng)用人工智能、大數(shù)據(jù)挖掘、客戶關(guān)系管理、數(shù)據(jù)處理和信息識別等技術(shù),從多源異構(gòu)的海量數(shù)據(jù)信息開始,以企業(yè)高效營銷為目標(biāo)導(dǎo)向,將智能化數(shù)據(jù)信息的采集、處理、分析、應(yīng)用納入企業(yè)生產(chǎn)營銷環(huán)節(jié)中,實現(xiàn)中國企業(yè)全面的數(shù)字化、智能化、技術(shù)化的新營銷模式。本書內(nèi)容覆蓋營銷、營銷智
推薦系統(tǒng)是互聯(lián)網(wǎng)時代極具商業(yè)價值的人工智能應(yīng)用之一,30年來持續(xù)受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。本書作者以一線研發(fā)人員的視角和經(jīng)驗,對推薦系統(tǒng)進(jìn)行總結(jié),嘗試從原理與實踐兩個角度為讀者剖析推薦系統(tǒng)。本書首先從原理上介紹各類經(jīng)典推薦算法及前沿的深度學(xué)習(xí)推薦算法,然后分析推薦系統(tǒng)領(lǐng)域發(fā)展的前沿話題和未來方向,最后結(jié)合微軟的開源
曾經(jīng),意念控制被認(rèn)為是癡人說夢;如今,它早已變得輕輕松松,甚至連老鼠和豬都能用意念玩轉(zhuǎn)游戲。曾經(jīng),“讀心術(shù)”被認(rèn)為是騙人把戲;如今,它早已變成現(xiàn)實,只需掃描你的腦電圖,便可一眼看穿你的情緒和部分心思。曾經(jīng),人是人,機是機,人機彼此相分離;如今,人即是機,機即是人,小小腦機接口就讓你與機器密不可分。其實,這些都還不是最玄
在這個智能為王數(shù)據(jù)是金的時代,越來越多的數(shù)據(jù),包括物聯(lián)網(wǎng)設(shè)備采集的客觀世界數(shù)據(jù),被用來指導(dǎo)人類的實踐活動。機器學(xué)習(xí)是處理與分析這些數(shù)據(jù)的一類常用方法。本書力求從原理的角度,從無到有,講清楚機器學(xué)習(xí)中的一些常見方法,并從實踐的角度,循序漸進(jìn),引領(lǐng)讀者獨立編程實現(xiàn)這些機器學(xué)習(xí)方法,從而幫助讀者迅速掌握機器學(xué)習(xí)方法,為讀者進(jìn)