本書主要面向OpenCV領域的研究與開發(fā)人員，采用原理結合實戰(zhàn)的方式，介紹OpenCV4的機器學習算法模塊與深度神經(jīng)網(wǎng)絡模塊中的核心算法原理與C++編程實戰(zhàn)。全書共10章，第1~3章，介紹OpenCV4的基礎知識、基本圖像操作和機器學習基礎知識；第4~8章，介紹K-means、KNN、決策樹、隨機森林、Boosting

機器學習雖然對改進產(chǎn)品性能和推進研究有很大的潛力，但無法對它們的預測做出解釋，這是當前面臨的一大障礙�！犊山忉寵C器學習：黑盒模型可解釋性理解指南》書是一本關于使機器學習模型及其決策具有可解釋性的書。本書探索了可解釋性的概念，介紹了簡單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點介紹了解釋黑盒模型的、與模型無關

本書針對產(chǎn)業(yè)界在智能化過程中普遍面臨的數(shù)據(jù)不足問題，詳細地闡述了聯(lián)邦學習如何幫助企業(yè)引入更多數(shù)據(jù)、提升機器學習模型效果�；ヂ�(lián)網(wǎng)數(shù)據(jù)一般分布在不同的位置，受隱私保護法規(guī)限制不能共享，形成了“數(shù)據(jù)孤島”。聯(lián)邦學習像“數(shù)據(jù)孤島”之間的特殊橋梁，通過傳輸變換后的臨時變量，既能實現(xiàn)模型效果提升，又能確保隱私信息的安全。本書介紹了

周志華老師的《機器學習》（俗稱“西瓜書”）是機器學習領域的經(jīng)典入門教材之一。本書（俗稱“南瓜書”）基于Datawhale成員自學“西瓜書”時記下的筆記編著而成，旨在對“西瓜書”中重難點公式加以解析，以及對部分公式補充具體的推導細節(jié)。 全書共16章，與“西瓜書”章節(jié)、公式對應，每個公式的推導和解析都以本科數(shù)學基礎的視角

本書以知識表示與處理所涉及的相關知識，如知識獲取、知識表示、知識推理、知識遷移等內(nèi)容為主體，完整呈現(xiàn)了知識表示與處理的知識體系。本書首先，介紹了知識表示與處理的發(fā)展、相關概念、流程等；其次，介紹了知識獲取的內(nèi)容；再次，重點介紹了知識表示的各種方法，如邏輯謂詞、產(chǎn)生式規(guī)則、語義網(wǎng)絡、本體、知識圖譜等，以及知識推理所涉及的

人工智能時代已經(jīng)來臨，這項技術正在改變?nèi)祟惖恼J知和生活，也對社會各個領域產(chǎn)生了重大的影響。本書從理論基礎、商業(yè)落地、實戰(zhàn)場景、案例分析多個方面介紹人工智能，講述人工智能對農(nóng)業(yè)、金融、娛樂、醫(yī)療、營銷、工業(yè)、教育等領域的影響。另外，為了迎合時代熱點，本書還分析了人工智能與5G、區(qū)塊鏈等前沿技術的融合及融合效果，使讀者了解

本書以數(shù)據(jù)驅(qū)動的數(shù)學問題研究為核心，是一部由研究工作構成的原創(chuàng)著作。全書共分7章，按三個模塊劃分：第一個模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個導論；第二個模塊是粒度空間的基礎理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結構聚類特征與融合，以及聚類結構分析理論等研究；第三個模塊是粒度

知識圖譜的發(fā)展歷史源遠流長，從經(jīng)典人工智能的核心命題——知識工程，到互聯(lián)網(wǎng)時代的語義Web，再到當下很多領域構建的數(shù)千億級別的現(xiàn)代知識圖譜。知識圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術基因，是知識表示、表示學習、自然語言處理、圖數(shù)據(jù)庫和圖計算等多個領域技術的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融

演化學習作為機器學習中解決復雜優(yōu)化問題的重要方法，此前一直因為理論支撐不足未得到應有重視。本書將介紹作者團隊近幾年在演化學習理論和算法方面取得的重要進展，彌補上述缺憾。本書內(nèi)容主要分四部分，第一部分簡要介紹演化學習基礎知識；第二部分講述演化算法中用于分析運行時和近似性能的通用理論工具；第三部分講解關于演化優(yōu)化中主要因素

機器學習是計算機科學與人工智能的重要分支領域.本書作為該領域的入門教材，在內(nèi)容上盡可能涵蓋機器學習基礎知識的各方面.全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機器學習的基礎知識；第2部分（第4～10章）討論一些經(jīng)典而常用的機器學習方法（決策樹、神經(jīng)網(wǎng)絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度