大部分TensorFlow教材應(yīng)用案例少，理論講解比較概括，學生數(shù)學基礎(chǔ)薄弱，對人工神經(jīng)網(wǎng)絡(luò)較難入門。本教材介紹TensorFlow的發(fā)展和特點后，通過案例詳細介紹TensorFlow的使用，著重細致地講解學生學習中遇到的難點，比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學生逐層遞進地掌握TensorFlow，最后

場景化機器學習

《人工智能簡史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學科的所有領(lǐng)域，包括人工智能的起源、自動定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，

本書致力于推動人工智能的普及教育，結(jié)合最新的人工智能科學技術(shù)的發(fā)展成果，使用通俗易懂的語言深入淺出地介紹了人工智能的相關(guān)知識，重點介紹了人工智能的孕育、人工智能的誕生、人工智能的復蘇、人工智能的高速發(fā)展、人工智能的應(yīng)用分支和哲學與思考等方面，在每章節(jié)后都有與之對應(yīng)的章節(jié)習題，供學習者學習，以強化學生解決問題的能力。

本書以TensorFlow2深度學習的常用技術(shù)與真實案例相結(jié)合的方式,深入淺出介紹TensorFlow2深度學習的重要內(nèi)容。全書共7章,內(nèi)容包括深度學習入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡(luò)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(zhuǎn)換等技術(shù),以及如何使用Ti

語言智能處理一直是人工智能領(lǐng)域的重要研究方向之一。本書按照研究歷程與現(xiàn)狀、關(guān)鍵技術(shù)與方法、發(fā)展趨勢與展望的基本脈絡(luò)，重點介紹了語言智能處理中的語言模型與知識表示、語言分析技術(shù)、語言情感分類、自然語言生成技術(shù)、自動問答與人機對話、機器翻譯、信息檢索與信息推薦等主題。本書所描述的內(nèi)容涉及人們?nèi)粘Ｉ�活中的真實�?yīng)用場景，理論與

據(jù)聯(lián)合國預測，2050年全球?qū)⑦_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(chǔ)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

本書系統(tǒng)地描述了深度學習的基本理論算法及應(yīng)用。全書共14章，第1~3章論述了數(shù)學基礎(chǔ)、機器學習基礎(chǔ)和深度學習基礎(chǔ)；第4~7章介紹了一些經(jīng)典網(wǎng)絡(luò)及計算機視覺領(lǐng)域中常用的CNN、RNN、GAN等網(wǎng)絡(luò)結(jié)構(gòu)技術(shù)；第8~9章介紹了深度學習在計算機視覺領(lǐng)域的目標檢測及圖像分割兩大應(yīng)用；第10~14章介紹了計算機視覺領(lǐng)域主要的優(yōu)化方

本書的目標，是讓非機器學習領(lǐng)域甚至非計算機專業(yè)出身但有學習需求的人，輕松地掌握機器學習的基本知識，從而擁有相關(guān)的實戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學習機器學習的對話展開，內(nèi)容輕松，實戰(zhàn)性強，主要包括機器學習快速上手路徑、數(shù)學和Python基礎(chǔ)知識、機器學習基礎(chǔ)算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡(luò)、卷積

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(yīng)用的技術(shù)科學，將類腦人工智能技術(shù)應(yīng)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(yīng)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(shè)計等。同時，結(jié)合深度神經(jīng)網(wǎng)絡(luò)（DNN）、類腦