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深度學習的重要內容。全書共7章,內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

目前，市場上的機器學習算法和深度學習算法相關入門書籍大都過于理論化和數(shù)學化，提高了學習門檻，使得不具有相關專業(yè)背景的讀者望而卻步；或是過于偏重實操，對于算法原理過于簡略，使得讀者無法形成對算法原理和可應用場景的基本認識。本書共分為上下兩篇，共18章：其中第一篇為經(jīng)典機器學習模型部分，主要講解了常用的機器學習經(jīng)典模型。第