全書(shū)可分為五大部分，闡述了分布式人工智能的基礎(chǔ)知識(shí)以及相關(guān)進(jìn)展，包括分布式人工智能簡(jiǎn)介、分布式規(guī)劃與優(yōu)化、多智能體博弈、多智能體學(xué)習(xí)和分布式人工智能應(yīng)用。除此之外，由于本領(lǐng)域尚處于蓬勃發(fā)展階段，相關(guān)技術(shù)與應(yīng)用層出不窮，因此書(shū)中還提供了研究者對(duì)于分布式人工智能發(fā)展的相關(guān)預(yù)測(cè)，主要集中在：第一，更復(fù)雜和更大規(guī)模的分布式人工

本書(shū)通過(guò)扎實(shí)、詳細(xì)的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對(duì)深度學(xué)習(xí)算法進(jìn)行分析和介紹。本書(shū)共三篇，第一篇主要介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)方向的一些卷積神經(jīng)網(wǎng)絡(luò)，從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級(jí)CNN、模型架構(gòu)搜索3個(gè)方向展開(kāi)，介紹計(jì)算機(jī)視覺(jué)方向的里程碑算法；第二篇主要介紹深度學(xué)習(xí)在自然語(yǔ)言處理方向的重要突破，包括基

隨著云計(jì)算、大數(shù)據(jù)等的快速發(fā)展，越來(lái)越多的組織用信息化手段進(jìn)行流程管理。如何提升流程執(zhí)行的智能化程度、動(dòng)態(tài)性和柔性，以提高對(duì)非標(biāo)準(zhǔn)業(yè)務(wù)的管理效率，是流程管理面臨的一個(gè)重要問(wèn)題。 本書(shū)基于流程管理系統(tǒng)積累的日志，提出了3種流程管理的工作流活動(dòng)推薦方法，分別為基于用戶類別近鄰的活動(dòng)推薦方法、基于Pearson相關(guān)系數(shù)的活動(dòng)

本書(shū)是為順應(yīng)智能時(shí)代教育信息化發(fā)展和滿足教師專業(yè)發(fā)展的現(xiàn)實(shí)需求編寫(xiě)的，并以“理論與技術(shù)相結(jié)合，實(shí)用性導(dǎo)向”為宗旨，全面介紹教育人工智能研究及發(fā)展應(yīng)用的基本原理和方法，學(xué)完本書(shū)后，讀者將對(duì)教育人工智能有全面的了解，并能掌握其整體知識(shí)框架。本書(shū)共分十六章，主要內(nèi)容包括緒論、教育人工智能理論基礎(chǔ)、教育人工智能應(yīng)用實(shí)踐、教育人

人工智能時(shí)代已經(jīng)來(lái)臨，這項(xiàng)技術(shù)正在改變?nèi)祟惖恼J(rèn)知和行為習(xí)慣，也對(duì)很多領(lǐng)域和行業(yè)造成了影響。本書(shū)共3篇，認(rèn)知篇介紹了人工智能的理論知識(shí)與發(fā)展現(xiàn)狀，詳細(xì)講述人工智能與5G、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)的融合；價(jià)值篇主要講述了人工智能的價(jià)值，分析其為生活、社會(huì)、商業(yè)、醫(yī)療帶來(lái)的變革；場(chǎng)景篇從服務(wù)場(chǎng)景、工作場(chǎng)景、教育場(chǎng)景、營(yíng)銷場(chǎng)景入手

本書(shū)共分10個(gè)項(xiàng)目，詳細(xì)介紹了人工智能導(dǎo)論的相關(guān)知識(shí)，內(nèi)容包括人工智能的前世今生、從零開(kāi)始認(rèn)識(shí)人工智能、人工智能編程基礎(chǔ)開(kāi)發(fā)語(yǔ)言——Phython、物體識(shí)別、計(jì)算機(jī)視覺(jué)的應(yīng)用——人臉識(shí)別、生物信息識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別、無(wú)人駕駛和數(shù)據(jù)挖掘。 本書(shū)適用于高職高專院校理工科學(xué)生，作為通識(shí)課教材使用。

本書(shū)是“高級(jí)人工智能人才培養(yǎng)叢書(shū)”中的一本，首先介紹了機(jī)器學(xué)習(xí)的相關(guān)概念和發(fā)展歷史，并在此基礎(chǔ)上提出了深度學(xué)習(xí)——它本質(zhì)上是近幾年來(lái)大數(shù)據(jù)技術(shù)催生的產(chǎn)物。本書(shū)共12章，其中，第1～7章為機(jī)器學(xué)習(xí)的內(nèi)容，分別介紹了機(jī)器學(xué)習(xí)的簡(jiǎn)單模型、貝葉斯學(xué)習(xí)、決策樹(shù)、支持向量機(jī)、集成學(xué)習(xí)和聚類；第8～12章為深度學(xué)習(xí)的內(nèi)容，由感知機(jī)與

本書(shū)主要介紹統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域常用的基礎(chǔ)模型、算法和代碼實(shí)現(xiàn)。包括統(tǒng)計(jì)機(jī)器學(xué)習(xí)、Python語(yǔ)言基礎(chǔ)，常用的線性回歸、貝葉斯分類器、邏輯回歸、SVM、核方法、集成學(xué)習(xí)，以及深度學(xué)習(xí)中的多層感知器、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、變分自編碼器、對(duì)抗生成網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等模型與優(yōu)化方法，使用Scikit-Learn、TensorF

本書(shū)主要介紹了智能計(jì)算技術(shù)相關(guān)的理論方法與關(guān)鍵技術(shù)，并對(duì)典型的應(yīng)用領(lǐng)域與平臺(tái)也進(jìn)行了相關(guān)介紹和討論。全書(shū)共10章，簡(jiǎn)要介紹智能的起源、智能與計(jì)算等研究背景及意義，詳細(xì)介紹了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等模型與算法及其應(yīng)用，著重介紹了圖神經(jīng)網(wǎng)絡(luò)模型、網(wǎng)學(xué)習(xí)模型、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索和大數(shù)據(jù)資源服務(wù)等技術(shù)，并面向智能交通和網(wǎng)絡(luò)交易支付等

本書(shū)主要講述了神經(jīng)網(wǎng)絡(luò)的重要概念和技術(shù)，并展示了如何使用Python來(lái)解決日常生活中常見(jiàn)的神經(jīng)網(wǎng)絡(luò)問(wèn)題。本書(shū)包含了6個(gè)神經(jīng)網(wǎng)絡(luò)相關(guān)的項(xiàng)目，分別是糖尿病預(yù)測(cè)、出租車費(fèi)用預(yù)測(cè)、圖像分類、圖像降噪、情感分析和人臉識(shí)別，這6個(gè)項(xiàng)目均是從頭開(kāi)始實(shí)現(xiàn)，且使用了不同的神經(jīng)網(wǎng)絡(luò)。在每個(gè)項(xiàng)目中，本書(shū)首先會(huì)提出問(wèn)題，然后介紹解決該問(wèn)題需要