本书主要面向OpenCV领域的研究与开发人员，采用原理结合实战的方式，介绍OpenCV4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10章，第1~3章，介绍OpenCV4的基础知识、基本图像操作和机器学习基础知识；第4~8章，介绍K-means、KNN、决策树、随机森林、Boosting

本书以知识表示与处理所涉及的相关知识，如知识获取、知识表示、知识推理、知识迁移等内容为主体，完整呈现了知识表示与处理的知识体系。本书首先，介绍了知识表示与处理的发展、相关概念、流程等；其次，介绍了知识获取的内容；再次，重点介绍了知识表示的各种方法，如逻辑谓词、产生式规则、语义网络、本体、知识图谱等，以及知识推理所涉及的

本书系统性地介绍了深度学习的原理、关键技术及相关应用，首先从基本概念、必备的线性代数、微积分、概率统计等数学知识等入手，这些预备知识可帮助读者更好地理解深度学习技术。接着对深度学习方法和技术进行了详细介绍，包括卷积神经网络、反馈神经网络、循环神经网络、生成对抗网络等，针对每个技术都力图用简单易懂的语言、详尽的公式推导说

本书主要介绍构建和训练生成对抗网络（GAN）的方法。全书共12章，先介绍生成模型以及GAN的工作原理，并概述它们的潜在用途，然后探索GAN的基础结构（生成器和鉴别器），引导读者搭建一个简单的对抗系统。 本书给出了大量的示例，教读者学习针对不同的场景训练不同的GAN，进而完成生成高分辨率图像、实现图像到图像的转换、生成对

周志华老师的《机器学习》（俗称“西瓜书”）是机器学习领域的经典入门教材之一。本书（俗称“南瓜书”）基于Datawhale成员自学“西瓜书”时记下的笔记编著而成，旨在对“西瓜书”中重难点公式加以解析，以及对部分公式补充具体的推导细节。 全书共16章，与“西瓜书”章节、公式对应，每个公式的推导和解析都以本科数学基础的视角

演化学习作为机器学习中解决复杂优化问题的重要方法，此前一直因为理论支撑不足未得到应有重视。本书将介绍作者团队近几年在演化学习理论和算法方面取得的重要进展，弥补上述缺憾。本书内容主要分四部分，第一部分简要介绍演化学习基础知识；第二部分讲述演化算法中用于分析运行时和近似性能的通用理论工具；第三部分讲解关于演化优化中主要因素

知识图谱的发展历史源远流长，从经典人工智能的核心命题——知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融

本书以数据驱动的数学问题研究为核心，是一部由研究工作构成的原创著作。全书共分7章，按三个模块划分：第一个模块是研究背景和框架介绍，即第1章绪论，这是本书主题内容的一个导论；第二个模块是粒度空间的基础理论及模型，由第2～5章组成，其中涉及粒度空间的基本理论，结构聚类特征与融合，以及聚类结构分析理论等研究；第三个模块是粒度

本书为青少年人工智能编程水平测试C++4级官方指定教程,对应青少年人工智能编程水平测试第4级的测试标准。该标准主要用于测试青少年学习C++编程的初级水平。全书共有28课,主要围绕测评大纲,用生动的案例来讲解C++基础知识,包括输出、变量和常量、程序结构、运算符、分支、循环、枚举、函数、排序算法等。全书体系完整、结构合理

本书以TensorFlow2深度学习的常用技术与真实案例相结合的方式,深入浅出介绍TensorFlow2深度学习的重要内容。全书共7章,内容包括深度学习入门、TensorFlow2快速入门、深度神经网络原理及实现、基于CNN的门牌号识别、基于LSTM的语音识别、基于CycleGAN的图像风格转换等技术,以及如何使用Ti

本书分八章，内容包括：深度学习简介、搭建深度学习开发环境、数字图像处理技术、神经网络基础、卷积神经网络、图像合成等。

本书致力于推动人工智能的普及教育，结合最新的人工智能科学技术的发展成果，使用通俗易懂的语言深入浅出地介绍了人工智能的相关知识，重点介绍了人工智能的孕育、人工智能的诞生、人工智能的复苏、人工智能的高速发展、人工智能的应用分支和哲学与思考等方面，在每章节后都有与之对应的章节习题，供学习者学习，以强化学生解决问题的能力。

场景化机器学习

《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。 第2版中每章都有新增内容，并增加了全新的第13章，

大部分TensorFlow教材应用案例少，理论讲解比较概括，学生数学基础薄弱，对人工神经网络较难入门。本教材介绍TensorFlow的发展和特点后，通过案例详细介绍TensorFlow的使用，着重细致地讲解学生学习中遇到的难点，比如张量的形状、卷积、池化、交叉熵等。通过案例让学生逐层递进地掌握TensorFlow，最后

本书主要内容包括机器学习介绍，NumPy、Pandas、SciPy库、Matplotlib（可视化）四个基础模块，Scikit-learn算法、模型、拟合、过拟合、欠拟合、模型性能度量指标、数据标准化、非线性转换、离散化，以及特征抽取和降维的各种方法，包括特征哈希、文本特征抽取、特征聚合等。全书通过实用范例和图解形式讲

机器学习是计算机科学与人工智能的重要分支领域.本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面.全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度

本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习几个主要方面进行了阐述，并以Python为主要工具进行了相应的编程实践，以使读者对人工智能相关技术有更直观和深入的理解。此外，本书也用几个独立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、增强现实等与人工智能

人工智能到底是什么？人工智能可以做什么？人工智能未来发展将面临什么样的问题？本书将深入浅出地为你讲述人工智能那些事儿，包括人工智能的历史、人工智能的核心概念与关键技术、人工智能思维与各类应用，以及人工智能未来的发展趋势，等等。所有你想了解的，书中可能都会涉及，即使从未接触过人工智能的人，通过阅读本书，也能对人工智能有一

类脑人工智能是研究、开发用于模拟、延伸和扩展人脑智能的理论、方法及应用的技术科学，将类脑人工智能技术应用于目标检测与跟踪，可大幅提升复杂背景、干扰条件下的目标检测概率及跟踪精度，具有重要而广泛的应用前景。本书系统阐述了人脑视觉信息处理机制的基本原理、主要特性、数学建模及算法设计等。同时，结合深度神经网络（DNN）、类脑