本書是電梯職業(yè)技術(shù)教學(xué)與實(shí)操培訓(xùn)叢書的第二本，主要介紹電梯的電氣控制系統(tǒng)和物聯(lián)網(wǎng)技術(shù)在電梯控制中的應(yīng)用。本書緊抓電梯電氣控制系統(tǒng)的應(yīng)用特點(diǎn)，觀點(diǎn)鮮明、條理清晰，原理分析由淺入深，圖文并茂，分析舉例貼近實(shí)際應(yīng)用，具有較強(qiáng)的實(shí)用性和操作性。本書共8章，主要內(nèi)容包括電梯常用電氣部件、電梯電氣系統(tǒng)組成及構(gòu)造分析、電梯的供電系統(tǒng)

本書旨在采用一種符合讀者認(rèn)知角度且能提升其學(xué)習(xí)效率的方式來講解深度學(xué)習(xí)背后的核心知識(shí)、原理和內(nèi)在邏輯。經(jīng)過基礎(chǔ)篇的學(xué)習(xí)，想必你已經(jīng)對(duì)深度學(xué)習(xí)的總體框架有了初步的了解和認(rèn)識(shí)，掌握了深度神經(jīng)網(wǎng)絡(luò)從核心概念、常見問題到典型網(wǎng)絡(luò)的基本知識(shí)。本書為核心篇，將帶領(lǐng)讀者實(shí)現(xiàn)從入門到進(jìn)階、從理論到實(shí)戰(zhàn)的跨越。全書共7章，前三章包括復(fù)雜

ChatGPT是當(dāng)下最新、最熱門的工具、效率工具，但為什么不同的人使用效果天差地別，整體上來說：一是認(rèn)知上的不足；二是方法上的不足。這正是本書要解決的問題。本書不僅讓讀者會(huì)用ChatGPT，更嘗試讓讀者意識(shí)到自己需要構(gòu)建一個(gè)完整的學(xué)習(xí)體系，同時(shí)本書提供構(gòu)建這個(gè)學(xué)習(xí)體系的方法。有了這個(gè)學(xué)習(xí)體系，才能真正用好ChatGPT

本書全面審視了人工智能(A)的起源、發(fā)展歷程及其在當(dāng)代社會(huì)中的深遠(yuǎn)影響。作為一項(xiàng)關(guān)鍵的賦能型技術(shù)，AI在計(jì)算機(jī)網(wǎng)絡(luò)、網(wǎng)絡(luò)安全、協(xié)作技術(shù)、物聯(lián)網(wǎng)、云計(jì)算、量子計(jì)算、邊緣計(jì)算、無人駕駛等多個(gè)前沿技術(shù)領(lǐng)域中發(fā)揮著核心作用，推動(dòng)著前沿技術(shù)的革新和千行萬業(yè)的數(shù)字化轉(zhuǎn)型。本書旨在為讀者提供一個(gè)獨(dú)特的視角看待AI，幫助讀者理解AI的

本書致力于探索如何在大規(guī)模深度學(xué)習(xí)模型訓(xùn)練中，最大限度地提高性能和優(yōu)化顯存使用。本書面向深度學(xué)習(xí)從業(yè)者，尤其是希望深入了解并提升模型訓(xùn)練效率的工程師與研究人員。隨著深度學(xué)習(xí)模型和數(shù)據(jù)規(guī)模的迅速增長(zhǎng)，如何高效利用硬件資源，減少訓(xùn)練時(shí)間，成為當(dāng)前AI系統(tǒng)工程的關(guān)鍵挑戰(zhàn)。本書從硬件和軟件的基礎(chǔ)知識(shí)入手，逐步引導(dǎo)讀者理解和掌握

《PyTorch深度學(xué)習(xí)項(xiàng)目教程》根據(jù)初學(xué)者的學(xué)習(xí)曲線和職業(yè)生涯成長(zhǎng)規(guī)律，由淺入深設(shè)計(jì)了5個(gè)基礎(chǔ)項(xiàng)目和3個(gè)綜合項(xiàng)目�；�礎(chǔ)項(xiàng)目包括手寫數(shù)字識(shí)別、二維曲線擬合、貓狗圖像分類、提升貓狗圖像分類的準(zhǔn)確率和文本翻譯，引導(dǎo)讀者使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)算法框架，深入探討了深度學(xué)習(xí)數(shù)據(jù)集構(gòu)建、神經(jīng)網(wǎng)絡(luò)模型原理及實(shí)現(xiàn)、算法訓(xùn)練與評(píng)

在人工智能飛速發(fā)展的今天，大眾對(duì)于這一前沿技術(shù)仍感神秘且難以窺探其深。為此，本書針對(duì)人工智能的核心問題進(jìn)行了深入剖析，旨在幫助讀者揭開其神秘面紗。本書的主要內(nèi)容圍繞以下問題展開：什么是人工智能？人工智能能否解釋其決策？它能否承擔(dān)法律責(zé)任？它是否具有代理權(quán)？人類應(yīng)該保留對(duì)這類系統(tǒng)的何種控制權(quán)，是否取決于所做決策的類型？如

大模型作為人工智能技術(shù)的重要發(fā)展方向，逐漸成為未來科技發(fā)展的重要方向之一�；�于此，本書重點(diǎn)介紹與大模型相關(guān)的基礎(chǔ)知識(shí)、原理與技術(shù)。本書分為14章，內(nèi)容包括深度學(xué)習(xí)基礎(chǔ)、自然語言處理、大模型網(wǎng)絡(luò)結(jié)構(gòu)、大模型訓(xùn)練與優(yōu)化、大模型微調(diào)及相關(guān)應(yīng)用案例等。全書強(qiáng)調(diào)內(nèi)容的科學(xué)性與系統(tǒng)性，從大模型歷史發(fā)展脈絡(luò)、理論基礎(chǔ)、構(gòu)建方法到應(yīng)用

本書基于國內(nèi)外對(duì)混沌神經(jīng)網(wǎng)絡(luò)的研究成果，提出了一種基于腦電波生物機(jī)制的變頻正弦混沌神經(jīng)網(wǎng)絡(luò)（FCSCNN）模型，并通過對(duì)該模型的激勵(lì)函數(shù)、退火函數(shù)、生物機(jī)制、優(yōu)化機(jī)制等進(jìn)行研究，進(jìn)一步提出了多種衍生模型。本書詳細(xì)分析了FCSCNN模型及其衍生模型的混沌動(dòng)力學(xué)特性，通過對(duì)解決函數(shù)優(yōu)化、組合優(yōu)化等問題與同類模型進(jìn)行對(duì)比實(shí)驗(yàn)

機(jī)器學(xué)習(xí)雖然在改進(jìn)產(chǎn)品性能、產(chǎn)品流程和推進(jìn)研究方面有很大的潛力，但仍面臨一大障礙——計(jì)算機(jī)無法解釋其預(yù)測(cè)結(jié)果。因此，本書旨在闡明如何使機(jī)器學(xué)習(xí)模型及其決策具有可解釋性。本書探索了可解釋性的概念，介紹了許多簡(jiǎn)單的可解釋模型，包括決策樹、決策規(guī)則和線性回歸等。本書的重點(diǎn)是模型不可知方法，用于解釋黑盒模型（如特征重要性和累積