本書基于谷歌的深度學習框架tensorflow，深入講解其語法特點，以及使用方法，并在此基礎上選取了圖像領域的多個應用進行深入講解，原理由淺入深，算法推導細致到位，結合大量的圖片，以及運行中間結果，進行了細致的分析。 本書基于谷歌的深度學習框架tensorflow，深入講解其語法特點，以及使用方法，并在此基礎上選取了圖

隨著無人系統(tǒng)在生產(chǎn)、生活中的廣泛應用，未來智能無人系統(tǒng)必將朝著多域協(xié)同化發(fā)展。本書面向復雜、動態(tài)、多約束的地面與近地面作業(yè)場景，將無人車、無人機、水陸兩棲無人船等平臺自主導航技術進行統(tǒng)一整合，提出了一整套完整的陸上無人系統(tǒng)自主導航體系架構，并在該理論框架下詳細介紹了無人系統(tǒng)自主導航過程中的若干核心關鍵技術。 本書可供

本書是一本系統(tǒng)介紹機器學習所涉及的數(shù)學知識和相關Python編程的實例工具書，同時還介紹了非常經(jīng)典的綜合案例，除了編寫機器學習的代碼，還編寫了深度學習的代碼。本書一共分為兩部分。 第一部分為數(shù)學基礎知識部分，包含8個章節(jié)，介紹了微積分、線性代數(shù)、概率統(tǒng)計、信息論、模糊數(shù)學、隨機過程、凸優(yōu)化和圖論的系統(tǒng)知識體系及幾個數(shù)學

本書從深度學習的發(fā)展歷程開始，系統(tǒng)介紹了基于深度學習的目標檢測的基本問題及其相關處理方法與技術，主要內(nèi)容涉及兩階段和單階段目標檢測的理論、算法和研究成果。本書共6章，包括深度學習神經(jīng)網(wǎng)絡類型、目標檢測技術、基于FasterR-CNN的目標檢測改進算法、領域自適應及其在目標檢測技術上的典型應用、圖像識別模型改進及面部表情

本書主要介紹了人工智能的基礎知識和實用技術。本書共8章，包括“人工智能：開啟智慧新時代”“Python：人工智能開發(fā)語言”“線性回歸：預測未來趨勢”“分門別類：幫你‘分而治之’”“物以類聚：發(fā)現(xiàn)新簇群”“個性化推薦：主動滿足你的需求”“語音識別：讓機器對你言聽計從”“人臉識別：機器也認識你”。 本書以培養(yǎng)學生人工智能素

全書從推薦系統(tǒng)的發(fā)展歷史、基本構成開始，依次剖析推薦系統(tǒng)的內(nèi)容召回、協(xié)同過濾召回、深度學習召回中具有代表性的模型；再從經(jīng)典排序模型到基于深度學習的排序，順勢介紹會話推薦、強化學習推薦及工業(yè)級推薦，搭建了完整的推薦系統(tǒng)技術體系，這是一個由淺入深的系統(tǒng)學習過程。 本書的目標讀者應該對深度學習有基本的了解，掌握概率論、線性代

本書聚焦信息科學、生命科學、新能源、新材料等為代表的高科技領域，以及物理、化學、數(shù)學等基礎科學的進展與新興技術的交叉融合，其中70%的內(nèi)容來源于IEEE計算機協(xié)會相關刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由STEERTech和iCANXTalks上的國際知名科學家的學術報告、報道以及相關活動內(nèi)容組成。本書將以創(chuàng)新的方式宣

人的智能和AI賦能的機器智能在自動化控制領域的共融共存形成了人機混合智能系統(tǒng)這一新型的系統(tǒng)形式和智能形式。一方面，這類系統(tǒng)所代表的系統(tǒng)結構形式是傳統(tǒng)自動化控制系統(tǒng)應對AI賦能的機器智能變革的必然發(fā)展形勢；另一方面，它所代表的智能形式也成為AI未來發(fā)展的重要甚至是的終極形式。在本《人機混合智能系統(tǒng)自主性理論和方法》，我們

本書以Python機器學習常用技術與真實案例相結合的方式，深入淺出地介紹了Python機器學習應用的主要內(nèi)容。全書共11章，分別介紹了機器學習概述、數(shù)據(jù)準備、特征工程、有監(jiān)督學習、無監(jiān)督學習、智能推薦的相關知識，并介紹了市財政收入分析案例、基于非侵入式電力負荷監(jiān)測與分解的電力分析案例、航空公司客戶價值分析案例、廣電大數(shù)

本書選材廣泛，主要包括人工智能概述、現(xiàn)實世界中人工智能的應用、人工智能的類型、人工智能的利與弊、人工智能中的知識表示、人工智能中的推理、人工智能中的搜索算法、機器學習算法、專家系統(tǒng)、人工智能中的模糊邏輯及其應用、有監(jiān)督機器學習與無監(jiān)督機器學習、現(xiàn)實世界中機器學習的應用、人工神經(jīng)網(wǎng)絡、深度學習、模式識別、面部識別、人工智