本書聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的進(jìn)展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來源于IEEE計(jì)算機(jī)協(xié)會相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由STEERTech和iCANXTalks上的國際知名科學(xué)家的學(xué)術(shù)報(bào)告、報(bào)道以及相關(guān)活動(dòng)內(nèi)容組成。本書將以創(chuàng)新的方式宣

人的智能和AI賦能的機(jī)器智能在自動(dòng)化控制領(lǐng)域的共融共存形成了人機(jī)混合智能系統(tǒng)這一新型的系統(tǒng)形式和智能形式。一方面，這類系統(tǒng)所代表的系統(tǒng)結(jié)構(gòu)形式是傳統(tǒng)自動(dòng)化控制系統(tǒng)應(yīng)對AI賦能的機(jī)器智能變革的必然發(fā)展形勢；另一方面，它所代表的智能形式也成為AI未來發(fā)展的重要甚至是的終極形式。在本《人機(jī)混合智能系統(tǒng)自主性理論和方法》，我們

本書是一本系統(tǒng)介紹機(jī)器學(xué)習(xí)所涉及的數(shù)學(xué)知識和相關(guān)Python編程的實(shí)例工具書，同時(shí)還介紹了非常經(jīng)典的綜合案例，除了編寫機(jī)器學(xué)習(xí)的代碼，還編寫了深度學(xué)習(xí)的代碼。本書一共分為兩部分。 第一部分為數(shù)學(xué)基礎(chǔ)知識部分，包含8個(gè)章節(jié)，介紹了微積分、線性代數(shù)、概率統(tǒng)計(jì)、信息論、模糊數(shù)學(xué)、隨機(jī)過程、凸優(yōu)化和圖論的系統(tǒng)知識體系及幾個(gè)數(shù)學(xué)

本書源于阿里巴巴千億級知識圖譜構(gòu)建與產(chǎn)業(yè)化應(yīng)用的工作總結(jié)，對知識圖譜理論和大規(guī)模工業(yè)實(shí)踐進(jìn)行了全面和深入的闡述。本書以阿里巴巴的實(shí)戰(zhàn)經(jīng)驗(yàn)為中心，以深厚的理論成果為支撐，詳細(xì)闡述了知識圖譜的方方面面。首先介紹工業(yè)場景下知識圖譜的現(xiàn)狀、存在的問題和架構(gòu)設(shè)計(jì)；然后從知識表示、知識融合、知識獲取、知識推理、知識存儲和知識圖譜前

本書從深度學(xué)習(xí)的發(fā)展歷程開始，系統(tǒng)介紹了基于深度學(xué)習(xí)的目標(biāo)檢測的基本問題及其相關(guān)處理方法與技術(shù)，主要內(nèi)容涉及兩階段和單階段目標(biāo)檢測的理論、算法和研究成果。本書共6章，包括深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)類型、目標(biāo)檢測技術(shù)、基于FasterR-CNN的目標(biāo)檢測改進(jìn)算法、領(lǐng)域自適應(yīng)及其在目標(biāo)檢測技術(shù)上的典型應(yīng)用、圖像識別模型改進(jìn)及面部表情

機(jī)器學(xué)習(xí)已經(jīng)廣泛地應(yīng)用于各行各業(yè)，深度學(xué)習(xí)的興起再次推動(dòng)了人工智能的熱潮。本書結(jié)合項(xiàng)目實(shí)踐，首先討論主流機(jī)器學(xué)習(xí)平臺的主要特點(diǎn)和機(jī)器學(xué)習(xí)的實(shí)戰(zhàn)難點(diǎn)；在此基礎(chǔ)上，利用主流的機(jī)器學(xué)習(xí)開源平臺TensorFlow、OpenVINO、PaddlePaddle等，通過19個(gè)實(shí)戰(zhàn)案例，詳細(xì)地分析決策樹、隨機(jī)森林、支持向量機(jī)、邏輯回

全書從推薦系統(tǒng)的發(fā)展歷史、基本構(gòu)成開始，依次剖析推薦系統(tǒng)的內(nèi)容召回、協(xié)同過濾召回、深度學(xué)習(xí)召回中具有代表性的模型；再從經(jīng)典排序模型到基于深度學(xué)習(xí)的排序，順勢介紹會話推薦、強(qiáng)化學(xué)習(xí)推薦及工業(yè)級推薦，搭建了完整的推薦系統(tǒng)技術(shù)體系，這是一個(gè)由淺入深的系統(tǒng)學(xué)習(xí)過程。 本書的目標(biāo)讀者應(yīng)該對深度學(xué)習(xí)有基本的了解，掌握概率論、線性代

本書以Python機(jī)器學(xué)習(xí)常用技術(shù)與真實(shí)案例相結(jié)合的方式，深入淺出地介紹了Python機(jī)器學(xué)習(xí)應(yīng)用的主要內(nèi)容。全書共11章，分別介紹了機(jī)器學(xué)習(xí)概述、數(shù)據(jù)準(zhǔn)備、特征工程、有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、智能推薦的相關(guān)知識，并介紹了市財(cái)政收入分析案例、基于非侵入式電力負(fù)荷監(jiān)測與分解的電力分析案例、航空公司客戶價(jià)值分析案例、廣電大數(shù)

近年來人工智能技術(shù)蓬勃發(fā)展，人工智能正在改變我們的生活。為了讓讀者在不需要掌握太多數(shù)學(xué) 和計(jì)算機(jī)科學(xué)知識的情況下，能夠快速上手，使用Python語言實(shí)現(xiàn)常用的機(jī)器學(xué)習(xí)算法，并解決一些實(shí)際的問題，我們策劃并出版本書。 本書共14章，內(nèi)容涵蓋基本的機(jī)器學(xué)習(xí)概念和環(huán)境搭建，目前各個(gè)領(lǐng)域中的熱門算法，以及數(shù)據(jù)預(yù)處理、模型評估和

零樣本圖像分類主要解決在標(biāo)記訓(xùn)練樣本不足以涵蓋所有對象類的情況下，如何對未知新模式進(jìn)行正確分類的問題，近年來已逐漸成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一。利用可見類訓(xùn)練樣本學(xué)習(xí)到的分類器對新出現(xiàn)的對象類進(jìn)行分類識別是非常困難的學(xué)習(xí)任務(wù)�！读銟颖緢D像分類》針對零樣本圖像分類問題從屬性角度入手，基于深度學(xué)習(xí)及知識挖掘、屬性自適應(yīng)、