《機器學(xué)習(xí)中的標記增強理論與應(yīng)用研究》由東南大學(xué)計算機科學(xué)與工程學(xué)院助理研究員徐寧撰寫。全書聚焦標記端多義性這一當今機器學(xué)習(xí)領(lǐng)域的熱點問題，針對學(xué)習(xí)過程中不可避免的信息損失這一突出問題，提出了標記增強的概念，以期在不增加額外數(shù)據(jù)標注負擔的前提下，挖掘訓(xùn)練樣本中蘊含的標記重要性差異信息，將邏輯標記轉(zhuǎn)化為標記分布。《機器學(xué)

深度學(xué)習(xí)框架中蘊藏著驚人的技術(shù)和有趣的機制，本書旨在揭開這些技術(shù)和機制的神秘面紗，幫助讀者正確理解技術(shù)，體會它們的有趣之處。為此，本書會帶領(lǐng)讀者從零開始創(chuàng)建一個深度學(xué)習(xí)框架DeZero。DeZero是本書原創(chuàng)的框架，它用最少的代碼實現(xiàn)了現(xiàn)代深度學(xué)習(xí)框架的功能。本書分60個步驟來完成這個框架，在此過程中，讀者會加深對Py

至少從20世紀50年代起，人們就開始大肆宣傳可能很快就會創(chuàng)造出一種能夠與人類智能的全部范圍和水平相匹配的機器�，F(xiàn)在，我們已經(jīng)成功地創(chuàng)造出了能夠解決特定問題的機器，其準確度達到甚至超過了人類，但我們?nèi)匀粺o法獲得通用智能。這本書想和大家探討一下還需要做什么樣的努力才能不僅獲得專用智能，還能獲得通用智能。如果讀者對智能感興趣

本書全面介紹人工智能的基本理論、技術(shù)及應(yīng)用。全書共10章，主要內(nèi)容包括人工智能概論、知識表示與知識圖譜、確定性與不確定性推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)與深度學(xué)習(xí)、專家系統(tǒng)、自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調(diào)人工智能知識的基礎(chǔ)性、整體性、綜合性和廣博性，使學(xué)生掌握人工

強化學(xué)習(xí)是機器學(xué)習(xí)的重要組成部分。本書采用理論與實踐相結(jié)合的寫法，從強化學(xué)習(xí)的基本概念開始，詳細介紹了強化學(xué)習(xí)的算法理論和實踐操作，配有Python代碼實現(xiàn)，完整呈現(xiàn)強化學(xué)習(xí)算法的實踐細節(jié)。通過這本書你將會：（1）理解強化學(xué)習(xí)最關(guān)鍵方面的問題。（2）探索馬爾可夫決策過程及動態(tài)規(guī)劃的過程。（3）深入理解強化學(xué)習(xí)的各種方法

本書將帶領(lǐng)讀者一起主動擁抱機器學(xué)習(xí)，快樂翻越高等數(shù)學(xué)、算法分析、工程實踐這三座大山。面對三類讀者（會用即可、想深入學(xué)習(xí)、想成為專家）的學(xué)習(xí)動機和閱讀需求，全書一共用19章來講解機器學(xué)習(xí)的各種模型，包括機器學(xué)習(xí)中基礎(chǔ)和關(guān)鍵的線性回歸、邏輯回歸、決策樹、貝葉斯、支持向量機、KNN等。全書具有語言表達輕快、模型講解細致、圖表

使用機器學(xué)習(xí)技術(shù)解決實際應(yīng)用問題涉及模型的建立、訓(xùn)練及評估等步驟。優(yōu)化算法常被用于訓(xùn)練模型的參數(shù)，是機器學(xué)習(xí)的重要組成部分。機器學(xué)習(xí)模型的訓(xùn)練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識。基于梯度的算法（例如加速梯度法、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM

本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論和設(shè)計基礎(chǔ)，給出了大量應(yīng)用實例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應(yīng)用，掌握其結(jié)構(gòu)模型和基本設(shè)計方法，為以后的深入研究和應(yīng)用開發(fā)打下基礎(chǔ)。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、基本特征與功能、應(yīng)用領(lǐng)域及基礎(chǔ)知識，第3~10章展開介

本書系統(tǒng)介紹了機器學(xué)習(xí)常用算法及其應(yīng)用，在深入分析算法原理的基礎(chǔ)上，結(jié)合當前熱門應(yīng)用場景，向讀者展現(xiàn)了機器學(xué)習(xí)算法的綜合應(yīng)用，帶領(lǐng)讀者進入機器學(xué)習(xí)領(lǐng)域，開啟人工智能行業(yè)的大門。全書共21章，分為3部分。第1部分介紹機器學(xué)習(xí)基礎(chǔ)算法，包括線性回歸、多項式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機森林、

本書分四章：自然語言基礎(chǔ)、自然語言理解、序列建模、語音識別。內(nèi)容包括：文本的表示和分詞、文本特征表示、詞性分析及命名實體識別、詞空間和詞空間的可視化、基于主題的宋詞創(chuàng)作、宋詞的主題分析、宋詞的派別分類、宋詞的推薦等。