本書主要論述信息融合技術(shù)及其應用，介紹不同技術(shù)的信息融合算法，包括基于稀疏/協(xié)作表示、高斯過程隱變量模型、多視角和多特征學習、貝葉斯模型、度量學習、權(quán)重分類器方法融合和深度學習等；講述這些融合方法在圖像分類、域自適應、人臉識別、疾病檢測和圖像檢索等領域的應用，并使用多個數(shù)據(jù)庫驗證了上述方法的有效性和優(yōu)越性。本書可供從事

《運籌優(yōu)化常用模型、算法及案例實戰(zhàn)》主要講述運籌優(yōu)化領域常用的數(shù)學模型、精確算法以及相應的代碼實現(xiàn)。首先簡要介紹基本理論，然后用豐富的配套案例講解多個經(jīng)典的精確算法框架，最后結(jié)合常用的優(yōu)化求解器（CPLEX和Gurobi）說明如何用Python和Java語言實現(xiàn)書中提到的所有精確算法。全書共分3部分。第I部分（第1~4

k-均值問題是經(jīng)典組合優(yōu)化問題,也是著名的NP-難問題之一,相應的Lloyd算法是數(shù)據(jù)挖掘的十大經(jīng)典算法之一.k-均值問題在人工智能、數(shù)據(jù)挖掘、理論計算機科學、運籌學和管理科學中有著廣泛的應用.本書介紹k-均值問題及其變形的基于隨機抽樣、降維、核心集、近似質(zhì)心集、局部搜索、線性規(guī)劃舍入等技術(shù)的近似算法.主要內(nèi)容包括:經(jīng)

人工智能領域一直以來堅信：只要人工智能系統(tǒng)能產(chǎn)生類似于人類的行為，它就是智能的。于是，我們看到了能夠打敗國際象棋guan軍的計算機棋手，能夠根據(jù)路況選擇行駛路線的無人駕駛汽車，能夠做手術(shù)的醫(yī)生……人們甚至開始擔憂：有朝一日，機器人會不會超越人類，進而奴役人類？ 在《新機器智能》一書中，科技界

理解TensorFlow模型模式和ML工作流中的最佳實踐。 使用代碼段作為構(gòu)建TensorFlow模型和工作流的模板。 通過集成TensorFlowHub中的預建模型節(jié)省開發(fā)時間。 使用加速器集群（如GPU或TPU）充分利用分布式訓練。 對數(shù)據(jù)攝取、訓練模型、模型保存和推理做出明智的設計選擇。

研究張量，這是機器學習中最基本的結(jié)構(gòu)。 通過一個真實示例完成數(shù)據(jù)與張量的來回轉(zhuǎn)換。 使用TensorFlow.js結(jié)合AI和Web。 使用資源轉(zhuǎn)換、訓練和管理機器學習數(shù)據(jù)。 從頭開始構(gòu)建和訓練你自己的訓練模型。

本書針對深度學習及開源框架——PyTorch，采用簡明的語言進行知識的講解，注重實戰(zhàn)。全書分為4篇，共19章。深度學習基礎篇（第1章~第6章）包括PyTorch簡介與安裝、機器學習基礎與線性回歸、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練、梯度下降法、反向傳播算法與內(nèi)置優(yōu)化器。計算機視覺篇（第7章~

隨著云計算、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行流程管理。如何提升流程執(zhí)行的智能化程度、動態(tài)性和柔性，以提高對非標準業(yè)務的管理效率，是流程管理面臨的一個重要問題。 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推薦方法，分別為基于用戶類別近鄰的活動推薦方法、基于Pearson相關(guān)系數(shù)的活動

本書通過扎實、詳細的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實驗結(jié)果等方面對深度學習算法進行分析和介紹。本書共三篇，第一篇主要介紹深度學習在計算機視覺方向的一些卷積神經(jīng)網(wǎng)絡，從基礎骨干網(wǎng)絡、輕量級CNN、模型架構(gòu)搜索3個方向展開，介紹計算機視覺方向的里程碑算法；第二篇主要介紹深度學習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知識以及相關(guān)進展，包括分布式人工智能簡介、分布式規(guī)劃與優(yōu)化、多智能體博弈、多智能體學習和分布式人工智能應用。除此之外，由于本領域尚處于蓬勃發(fā)展階段，相關(guān)技術(shù)與應用層出不窮，因此書中還提供了研究者對于分布式人工智能發(fā)展的相關(guān)預測，主要集中在：第一，更復雜和更大規(guī)模的分布式人工