本書較為全面地介紹了深度學習模型訓練、計算機視覺模型應用、自然語言處理模型應用等技術(shù)。全書共9個實訓項目,包括深度學習全連接神經(jīng)網(wǎng)絡應用、深度學習卷積神經(jīng)網(wǎng)絡應用、深度學習循環(huán)神經(jīng)網(wǎng)絡應用、計算機視覺模型數(shù)據(jù)準備、計算機視覺模型訓練與應用、計算機視覺模型部署、自然語言處理預訓練模型數(shù)據(jù)準備、自然語言處理預訓練模型訓練與

《人工智能與電氣應用》系統(tǒng)地闡述了人工智能與電氣應用的理論基礎及應用實踐。《人工智能與電氣應用》共分為五部分，分別為理論篇、基于人工智能的故障診斷技術(shù)、基于人工智能的模式識別和預測技術(shù)、基于人工智能的控制和優(yōu)化技術(shù)以及展望篇。部分介紹人工智能技術(shù)的理論基礎。第二部分介紹風機葉片覆冰故障檢測技術(shù)、電網(wǎng)故障診斷技術(shù)、電力設

人工智能無疑是近幾年最火的名詞之一。然而，究竟什么是人工智能？為什么說人工智能的**目標是創(chuàng)造“生命”？目前人工智能的硅基生命之路遇到了哪些坎坷？人工智能的未來如何？不可否認的是，許多人了解人工智能是通過科幻電影。那么科幻電影對人工智能起到了怎樣的普及和推動作用？本書將圍繞這些問題，從獨特的視角，為讀者解讀人工智能的秘

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(shù)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(gòu)，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(shù)。 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(shù)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(shù)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(jié)構(gòu)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

近年來，人工智能發(fā)展非常迅速，在可以預見的未來，它必然會強烈沖擊并深刻變革人類既有的生活模式。實際上，除技術(shù)問題外，人工智能的邏輯基礎和倫理基礎與哲學之間的關系也十分密切。有鑒于此，本書從與人工智能緊密相關的哲學問題入手，關注如下話題：強人工智能是否可能；近代唯理論和經(jīng)驗論爭論對于人工智能的影響；蘇聯(lián)、日本及歐盟在人工

本書系統(tǒng)論述了智能開源硬件的電路基礎、原理、開發(fā)方法及實戰(zhàn)設計案例，理論與實踐緊密結(jié)合。全書分四篇，分別為電路分析基礎篇、數(shù)字電路篇、模擬電路篇、智能感知篇；涵蓋14章，內(nèi)容包括電路分析基礎、正弦穩(wěn)態(tài)電路、一階電路、數(shù)字邏輯基礎、組合邏輯電路、觸發(fā)器、時序邏輯電路、放大電路、模擬集成電路等開發(fā)開源硬件所需的電路基礎理論

零樣本圖像分類主要解決在標記訓練樣本不足以涵蓋所有對象類的情況下，如何對未知新模式進行正確分類的問題，近年來已逐漸成為機器學習領域的研究熱點之一。利用可見類訓練樣本學習到的分類器對新出現(xiàn)的對象類進行分類識別是非常困難的學習任務�！读銟颖緢D像分類》針對零樣本圖像分類問題從屬性角度入手，基于深度學習及知識挖掘、屬性自適應、