神經(jīng)計算的信息論方法 香農(nóng)信息科學經(jīng)典

機器學習的信息論方法 香農(nóng)信息科學經(jīng)典

本書是《Scikit-learn機器學習詳解》（潘風文編著）的進階篇，講解了Sklearn（Scikit-learn）機器學習框架的各種高級應用技術，包括數(shù)據(jù)集導入工具、集成學習、模型選擇和交叉驗證、異常檢測、管道、信號分解、模型持久化以及Sklearn系統(tǒng)高級配置。通過本書的學習，讀者可快速掌握Sklearn框架的高

本書從語義匹配的角度解決搜索引擎和推薦系統(tǒng)的關鍵痛點，為構建解決語義匹配問題的深度學習模型提供了通用框架。第1章概述搜索和推薦中的語義匹配問題，以及近年來的研究進展。第2章介紹傳統(tǒng)匹配模型，包括潛在空間模型。第3章介紹深度學習技術在構建匹配模型時的應用。第4章和第5章分別介紹用于搜索和推薦的深度匹配模型，并將當前的深度

本書講解概率圖模型的基本原理及其在機器學習、大數(shù)據(jù)建模、深度神經(jīng)網(wǎng)絡模型中的應用,并且從概率圖模型的角度講解機器學習算法、深度神經(jīng)網(wǎng)絡模型的概率原理，培養(yǎng)學生知其然，并知其所以然的思維方式，解決學生應用建模時僅局限于模型選型和調參的問題。本書內(nèi)容豐富，將原理與實例相結合，數(shù)學與代碼相結合，可作為高等院校的人工智能

全書以強化工程應用，弱化數(shù)學推導為基調，主要內(nèi)容可分為五大模塊：自動控制系統(tǒng)概述（第1章）、控制系統(tǒng)的數(shù)學模型（第2章）、控制系統(tǒng)的分析方法（第3~4章）、控制系統(tǒng)的校正（第5章）和控制系統(tǒng)的工程應用（第6~7章）。編者根據(jù)全書內(nèi)容設計了配套講解視頻、課件和習題。第2~7章包含了MATLAB軟件在自動控制系統(tǒng)分析中的應

本教材遵循案例教學模式進行課程教學設計，圍繞人工智能應用案例展開，強調學科教學設計、主要研究內(nèi)容、核心研究領域及前沿理論和技術等，內(nèi)容涉及圖像、視頻、語音、文本和機器人。本教材覆蓋人工智能（師范）專業(yè)入門必須掌握的知識，強調基礎性和前沿性并重，理論和實驗相統(tǒng)一，著力于師范生的課程設計能力、案例分析能力和動手實踐能力的培

共融機器人是能夠與作業(yè)環(huán)境、人和其他機器人自然交互、自主適應復雜動態(tài)環(huán)境并協(xié)同作業(yè)的機器人�！懊翡J體貼型”的自然交互是共融服務機器人的研究熱點問題之一。當前迫切需要共融機器人具備多模態(tài)交互信息的情感分析能力。本書針對多模態(tài)機器學習方法的情感分析領域，從多模態(tài)交互信息特征的學習表示出發(fā)，系統(tǒng)介紹了自然交互中的特征學習表示

本書介紹了軟件測試的基本概念、原理、基本方法及測試過程等內(nèi)容，包括軟件測試技術概述、靜態(tài)測試、黑盒測試、白盒測試、集成測試、系統(tǒng)測試、測試報告管理、智能軟件測試以及單元測試框架Junit、壓力測試工具Jmeter的使用方法，同時還介紹了軟件測試與質量保證等內(nèi)容。本書為軟件測試的基礎教材，旨在讓學生能夠熟練地對實際軟件進

本書主要從技術原理和技術應用兩方面講述人工智能技術。全書共12章，內(nèi)容涵蓋人工智能概述、人工智能軟硬件、人工智能與數(shù)據(jù)、計算機視覺、語音識別、自然語言理解、知識推理、經(jīng)典機器學習、深度學習與強化學習、自動駕駛、智能問答及人工智能倫理等。本書不僅可作為高等院校智能科學與技術、計算機科學、電子科學與技術、控制科學與工程等專