我们在与环境交互的过程中进行学习，经历的奖励或惩罚将指导我们未来的行为。深度强化学习将该过程引入人工智能领域，通过分析结果来寻找最有效的前进方式。DRL智能体可提升营销效果、预测股票涨跌，甚至击败**围棋高手和国际象棋大师。《深度强化学习图解》呈现生动示例，指导你构建深度学习体系。Python代码包含详明、直观的注释，

本书从硬件、软件、算法和通信四个方面来讲述一个智能系统完整的开发内容,主要包括:智能系统相关背景、智能系统芯片、编译系统、操作系统、操作系统软件框架、应用软件开发、机器学习、深度学习推框架和智能系统应用开发。从而让读者能够全面的学习一个智能系统所涉及的各方面知识点,从而便于从宏观方面理解智能系统。本书适合于刚开始学习计

本书从人工智能的基本定义出发,由浅入深地阐述了人工智能的理论、策略、研究方法和应用领域,以梳理知识脉络和要点的方式,详细介绍了知识表示、逻辑推理及方法、非确定性推理及方法、搜索策略、机器学习、深度学习、大数据等方面的内容。作为导论书籍,本书概念论述清楚,内容丰富,通俗易懂,在较为全面介绍人工智能的基础上对一些传统内容进

目前,人工智能技术的发展以机器学习、深度学习技术为主,它能够解决一些传统人工程序无法实现的效果。然而,“人工智能＋”更是被寄希望于把人工智能技术应用到各行各业之中。本书不仅包含了机器学习、深度学习的算法,还侧重于人工智能应用软件的开发。书中针对人工智能相关应用和技术设计了项目式教学案例,每章从不同侧面讲述了人工智能应用

本书基于嵌入式人工智能开发板EAIDK-310和嵌入式虹膜门禁系统EAIDK-310-P20实验平台,使用Qt和PyQt作为界面设计和运行框架,通过在嵌入式Linux系统中使用Python和C++语言编写程序代码,实现视频采集、物体分类、人脸识别、虹膜图像预处理、虹膜图像特征提取与匹配、虹膜图像采集与定位显示、虹膜识别

本书讲述如何快速利用无服务器计算和基于云的人工智能服务的能力。介绍基础知识后,将带你领略第一个实际操作的无服务器人工智能项目:一个可识别任意网页图像的系统。在本书中,你将探索用于图像分析的AmazonRekognition工具、云基础设施部署、爬虫服务和简单API等技术。掌握这个有趣项目中的概念和技能后,你将着手构建一

本书系统地阐述机器学习中常见的几类模型,包括模型的思想、原理及实现细节等。同时,本书还结合了当前热门的机器学习框架Sklearn,对书中所涉及的模型进行用法上详细讲解。全书共10章,第1章介绍机器学习开发环境的配置;第2章讲解线性回归模型的基本原理、回归模型中常见的几种评价指标,以及用于有监督模型训练的梯度下降算法;第

本书以任务为导向，讨论了机器学习和深度学习的主要问题，包括聚类、回归、分类、标注、降维、特征工程、超参数调优、序列决策（强化学习）和对抗攻击等。书中对上述每个问题，分别从决策函数类模型、概率类模型和神经网络类模型三个角度来讨论具体的实现算法。本书在内容上兼顾基础知识和应用实践。总体上，以基本理论知识为主线，逐步展开，从

本书从人工智能时代说起，通过项目学习（PBL）的方式由浅入深地剖析图像处理、人脸聚类、语音识别、人脸签到、慧眼识人、自动驾驶小车等人工智能的相关应用案例，并在此基础上推出5个生动有趣的典型综合实践项目--裸眼3D、无人机+智慧农业、创建自己的语音识别库、语音播报智能垃圾桶、垃圾分类机器人。 本书项目在实施过程中，依托

本书主要内容包括：入门篇（初识人工智能）、理解篇（认知人工智能的应用技术）、实践篇（探索生活中的人工智能应用）、拓展篇（理解人工智能的重要概念）。本书力求将人工智能相关理论、知识点与具体实践应用进行结合，通过知识点对应的实践项目的设置，大大地增强教材的应用性、丰富性及实践性，极大地提升学生的学习兴趣、理解能力和实践能力