本书内容共分为10章,从学科基础、技术基础、重点方向与领域、行业应用、伦理法律5方面系统、整体介绍人工智能的定义、方法、体系、应用及其内涵。第1章介绍人工智能定义及新知识体系。第2章介绍人工智能孕育史、机械论、计算历史、控制论、联结主义起源、计算机器的历史,以及当代人工智能历史。第3章介绍与人工智能有关的哲学概念、分支
本书的写作初衷是,从学者的角度,用一种通俗易懂的方式,将基于深度学习的目标检测的相关论文中的理论和方法呈现给读者,同时针对作者在深度学习教学过程中遇到的难点,进行深入的分析和讲解。本书侧重对卷积神经网络的介绍,而深度学习的内容不止于此。所以,作者将深度学习分为有监督学习、无监督学习和强化学习三类,将图像分类、目标检测、
本书基于备受读者推崇的王树森“深度强化学习”系列公开视频课,专门解决“入门深度强化学习难”的问题。 本书的独特之处在于:第一,知识精简,剔除一切不必要的概念和公式,学起来轻松;第二,内容新颖,聚焦近10年深度强化学习领域的突破,让你一上手就紧跟最新技术。本书系统讲解深度强化学习的原理与实现,但不回避数学公式和各种模型
手势交互是自然人机交互的研究热点,在很多领域都有着广泛的应用,例如虚拟/增强现实、普适计算、可穿戴计算、智能家居和游戏娱乐等。本文提出了一套卓有成效的"以用户为中心的”手势设计方法,应用在双面屏智能手机、智能汽车信息系统、智能电视交互系统、沉浸式虚拟现实购物系统中,实践证明这套方法能够有效解决传统手势设计方法所面临的一
机器学习是人工智能的重要技术基础,涉及的内容十分广泛。本书涵盖了机器学习和深度学习的基础知识,主要包括机器学习的概述、统计学基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、文本分析、分布式机器学习算法等经典的机器学习基础知识,还包括卷积神经网络、循环神经网络、生成对抗网络、目标检测、自编码器等深度学习的内容。此外,
机器学习是人工智能的重要方向之一,对提升各行业的智能化程度正在起越来越大的作用。本书通过凝练机器学习的核心思想与方法,综合介绍了Python、常用库和相关工具,以及机器学习的原理与实现,囊括了机器学习与行业相结合的实例,可让没有深厚计算机、编程背景的读者在有限的时间内掌握机器学习的相关知识和应用工具。本书各部分的比例适
本书从理论结合实践编程来学习推荐系统。由浅入深,先基础后进阶,先理论后实践,先主流后推导。第1章较为简单,仅初步带领大家了解什么是推荐系统及推荐系统的简史。第2章到第5章介绍的是主流的推荐算法及推荐算法的推导过程,这部分是本书的核心,每个算法都描述的非常详细且有具体代码帮助大家理解,深度学习的框架将采用PyTorch。
面向MATLAB工具箱的神经网络(第4版)
袁红春,男,博士,教授,博士生导师,1971年1月生。 人工智能(ArtificialIntelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包
人们言语交际的实质就是一个交际意图的传达与解释的过程,因而智能机器人要实现深度自然语言理解,必须具备交际意图识别能力。本书首先讨论了交际意图的内涵与特征,并探索了交际意图的形式化表示方式,也进一步分析了交际意图的层级系统;然后根据话语是否明确表达了交际意图,把话语分成交际意图明示句和交际意图暗示句两类;接着深入讨论了从