本書較完整地介紹了深度學(xué)習(xí)的基本概念、方法和技術(shù)。全書共10章，重點介紹了深度學(xué)習(xí)的基礎(chǔ)知識、深度學(xué)習(xí)的基本算法、深度學(xué)習(xí)中的正則化以及幾個典型的深度神經(jīng)網(wǎng)絡(luò)（如深度卷積神經(jīng)網(wǎng)絡(luò)、深度循環(huán)神經(jīng)網(wǎng)絡(luò)、深度生成式對抗網(wǎng)絡(luò)、自編碼器、深度信念網(wǎng)絡(luò)、膠囊網(wǎng)絡(luò)等）。本書內(nèi)容豐富、敘述詳細、實用性強，適合具有一定數(shù)學(xué)基礎(chǔ)的高年級本

本書在不涉及大量數(shù)學(xué)模型與復(fù)雜算法實現(xiàn)的前提下，從機器學(xué)習(xí)概述開始，由“泰坦尼克號數(shù)據(jù)分析與預(yù)處理”“良/惡性乳腺癌腫瘤預(yù)測”“波士頓房價預(yù)測”“手寫體數(shù)字聚類”“人臉特征降維”“在線旅行社酒店價格異常檢測”6個案例分別引入數(shù)據(jù)分析、分類、回歸、聚類、特征降維和異常檢測的應(yīng)用開發(fā)實戰(zhàn)技術(shù)及其少量理論，能夠幫助讀者以最快

深度學(xué)習(xí)是目前***的技術(shù)領(lǐng)域。本書兼顧了數(shù)學(xué)上的理解和代碼實踐，內(nèi)容主要包括基礎(chǔ)知識和深度學(xué)習(xí)模型。第1章介紹深度學(xué)習(xí)的簡潔發(fā)展思路和表示學(xué)習(xí)機制；第2章、第3章介紹神經(jīng)網(wǎng)絡(luò)的基于梯度的優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)的優(yōu)化難點以及相應(yīng)的解決方法；第4章討論神經(jīng)網(wǎng)絡(luò)遇到的過擬合問題；第5章分析神經(jīng)網(wǎng)絡(luò)的最小組成部分——神經(jīng)元；第6

本書通過有趣的插圖和簡潔的文字帶您漫步在人工智能的世界中，與您分享這個非fan工具帶來的驚奇和震撼，同時幫助您了解它如何運行以及它的局限性。作者在每個章節(jié)都揭示了人工智能的某一特性，并充分評估了這一領(lǐng)域的種種可能性。作者還探討了研究人員面臨的挑戰(zhàn)及社會人工智能問題等。

統(tǒng)計學(xué)習(xí)是機器學(xué)習(xí)的重要分支，本書兼顧了數(shù)學(xué)上的理解和代碼實踐，內(nèi)容主要包括基礎(chǔ)知識和統(tǒng)計學(xué)習(xí)模型。第1章、第2章結(jié)合VC維介紹過擬合的本質(zhì)，并介紹手動特征選擇的辦法；第3章、第4章從最簡單的線性模型出發(fā)經(jīng)過概率統(tǒng)計的解讀而得到分類和回歸算法；第5章討論了不依賴于假設(shè)分布的非參數(shù)模型；第6章將核方法作為一種非線性拓展的

本書共12章，第1章介紹機器學(xué)習(xí)的基本概念和理論，并介紹用于機器學(xué)習(xí)的R軟件環(huán)境的準備；第2章介紹如何應(yīng)用R來管理數(shù)據(jù)，進行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；第3-9章介紹典型的機器學(xué)習(xí)算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預(yù)測、黑盒算法—神經(jīng)網(wǎng)絡(luò)和支持向量機、關(guān)聯(lián)分析、k均值聚類，并給出大量的實際案

本書是人工智能領(lǐng)域的經(jīng)典書籍，新版做了全面修訂，增加了關(guān)于機器學(xué)習(xí)的內(nèi)容，并更新了代碼示例和練習(xí)。本書主要討論智能體(agent)的基本概念和體系結(jié)構(gòu)，從計算的角度介紹相關(guān)的規(guī)劃、學(xué)習(xí)、推理、協(xié)商、交互機制等理論，基于自主送貨機器人、診斷助手、智能輔導(dǎo)系統(tǒng)和交易智能體四個原型應(yīng)用，在一個連貫的框架下研究智能體的設(shè)計、構(gòu)

本書主要關(guān)注如何構(gòu)建高能效具有學(xué)習(xí)能力的脈沖型神經(jīng)元網(wǎng)絡(luò)硬件，并且提供建立具有學(xué)習(xí)能力的脈沖型神經(jīng)元網(wǎng)絡(luò)硬件協(xié)同設(shè)計、協(xié)同優(yōu)化方法。完整地描述從高級算法到底層硬件實現(xiàn)的細節(jié)。本書同樣涵蓋了脈沖型神經(jīng)元網(wǎng)絡(luò)中的許多基礎(chǔ)知識和關(guān)鍵點。 本書從對脈沖型神經(jīng)元網(wǎng)絡(luò)的概述開始，討論基于速率的人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用和訓(xùn)練，介紹實現(xiàn)神經(jīng)

在每年舉辦的人工智能洛伯納大獎賽(LoebnerAI)中，圖靈測試讓人工智能程序和人類競賽，以此判斷計算機是否可以思考，作者根據(jù)參賽親身經(jīng)歷，討論該如何認識人類本身的意義。本書還介紹了人工智能的發(fā)展歷程，從多個方面闡述了人工智能的本質(zhì)，引出了機器是否能夠替代人這個人工智能的根本問題。

本書主要內(nèi)容包括普通最小二乘法回歸、嶺回歸、Lasso回歸、彈性網(wǎng)絡(luò)回歸、正交匹配追蹤回歸、貝葉斯回歸、廣義線性回歸、隨機梯度下降回歸、被動攻擊回歸、魯棒回歸、多項式回歸、支持向量機回歸、核嶺回歸、最近鄰回歸、高斯過程回歸、決策樹、神經(jīng)網(wǎng)絡(luò)模型、保序回歸、嶺分類、邏輯回歸分類、隨機梯度下降分類、感知機、被動攻擊分類、支