本書以數(shù)據(jù)驅動的數(shù)學問題研究為核心，是一部由研究工作構成的原創(chuàng)著作。全書共分7章，按三個模塊劃分：第一個模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個導論；第二個模塊是粒度空間的基礎理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結構聚類特征與融合，以及聚類結構分析理論等研究；第三個模塊是粒度

本書從概念和數(shù)學原理上對人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識別、語音識別、自然語言處理、深度學習幾個主要方面進行了闡述，并以Python為主要工具進行了相應的編程實踐，以使讀者對人工智能相關技術有更直觀和深入的理解。此外，本書也用幾個獨立的章節(jié)從原理和實踐上介紹了量子計算、區(qū)塊鏈技術、并行計算、增強現(xiàn)實等與人工智能

本書以TensorFlow2深度學習的常用技術與真實案例相結合的方式,深入淺出介紹TensorFlow2深度學習的重要內(nèi)容。全書共7章,內(nèi)容包括深度學習入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡原理及實現(xiàn)、基于CNN的門牌號識別、基于LSTM的語音識別、基于CycleGAN的圖像風格轉換等技術,以及如何使用Ti

據(jù)聯(lián)合國預測，2050年全球將達到100億人口。本書認為，地球養(yǎng)活100億人口是一個巨大的挑戰(zhàn)，人類將面臨“FEW”困境�！癋EW”是食物(Food)、能源(Energy)、水(Water)三個英文單詞的首字母縮寫，是人類生存與發(fā)展不可或缺的基礎性資源。然而，隨著地球上人口的增長，食物安全、淡水資源短缺、化石能源枯竭等

類腦人工智能是研究、開發(fā)用于模擬、延伸和擴展人腦智能的理論、方法及應用的技術科學，將類腦人工智能技術應用于目標檢測與跟蹤，可大幅提升復雜背景、干擾條件下的目標檢測概率及跟蹤精度，具有重要而廣泛的應用前景。本書系統(tǒng)闡述了人腦視覺信息處理機制的基本原理、主要特性、數(shù)學建模及算法設計等。同時，結合深度神經(jīng)網(wǎng)絡（DNN）、類腦

本書從神經(jīng)網(wǎng)絡的基礎知識講起，逐步深入到Python進階實戰(zhàn)，通過對各種實用的第三方庫進行詳細講解與實戰(zhàn)運用，讓讀者不但能夠更加深入地了解神經(jīng)網(wǎng)絡，而且能夠簡單高效地搭建自己的神經(jīng)網(wǎng)絡，即使沒有專業(yè)背景知識也能輕松入門神經(jīng)網(wǎng)絡。 本書分為11章，涵蓋的主要內(nèi)容有神經(jīng)網(wǎng)絡概述，神經(jīng)網(wǎng)絡基礎知識，計算機程序的特點，神經(jīng)網(wǎng)絡

本書全面系統(tǒng)地講解了深度學習相關的知識。全書共8章，內(nèi)容包括深度學習簡介及TensorFlow安裝，神經(jīng)網(wǎng)絡基礎、神經(jīng)網(wǎng)絡的TensorFlow實現(xiàn)、卷積神經(jīng)網(wǎng)絡基礎、經(jīng)典卷積神經(jīng)網(wǎng)絡（上）、經(jīng)典卷積神經(jīng)網(wǎng)絡（下）、深度學習用于文本序列和深度學習實驗項目等內(nèi)容。 本書以知識體系為基礎，以課堂案例為載體，采取理論與實踐相

增強現(xiàn)實（AR）作為虛擬現(xiàn)實的一個技術延伸，是虛擬與現(xiàn)實的連接入口，是一種實時計算攝像機捕捉到的現(xiàn)實影像的位置及角度并加上相應虛擬信息的技術。伴隨著AR技術迅速發(fā)展的是其3D實感攝像設備的快速更新。將這些3D實感攝像設備結合物聯(lián)網(wǎng)技術可廣泛應用于導航與定位、遠程醫(yī)療、智能家居控制等多種領域。本書從系統(tǒng)設計的角度出發(fā)，由

本書采用技術分析與場景描述相結合的模式，圍繞物聯(lián)網(wǎng)體系結構、關鍵技術和安全防控等方面進行系統(tǒng)的介紹。本書主要包括物聯(lián)網(wǎng)概述、物聯(lián)網(wǎng)基礎知識、物聯(lián)網(wǎng)數(shù)據(jù)服務、場景角度的IoT安全、技術角度的IoT安全、物聯(lián)網(wǎng)流量安全、區(qū)塊鏈與物聯(lián)網(wǎng)安全七部分內(nèi)容。

本書共11章，主要介紹機器學習的基本概念和兩大類常用的機器學習模型，即監(jiān)督學習模型和非監(jiān)督學習模型。針對監(jiān)督學習模型，本書介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹）、集成學習模型和神經(jīng)網(wǎng)絡模型及其訓練；針對非監(jiān)督學習模型，本書講解了常用的降維技術（線性降維技術與非線性降