本書是一部介紹機器學(xué)習(xí)算法的書籍。本書在闡述與機器學(xué)習(xí)的數(shù)學(xué)和統(tǒng)計學(xué)理論的同時，提供了相關(guān)的編程實踐和實驗。第2版新增了深度信念網(wǎng)絡(luò)和高斯過程的章節(jié)、卡爾曼濾波器和粒子濾波器的附加討論，對支持向量機的內(nèi)容進行修訂，并且對代碼進行改進。目錄：前言、預(yù)先準(zhǔn)備、神經(jīng)元、神經(jīng)網(wǎng)絡(luò)和線性判別、多層感知器、徑向基函數(shù)和樣條、降維、

本書面向研究型開發(fā)與創(chuàng)新能力培養(yǎng),重點講解機器學(xué)習(xí)的基本原理和前沿思想。Python是開展機器學(xué)習(xí)編程實踐的主流語言,本書為常用的機器學(xué)習(xí)模型提供了完整的Python實現(xiàn)代碼。本書在“中國大學(xué)MOOC”上同步開設(shè)配套慕課課程,供讀者免費學(xué)習(xí)。

本書是一本系統(tǒng)介紹人工智能基礎(chǔ)知識和基本原理的入門書籍,從經(jīng)典人工智能入手,介紹知識表示、確定性推理、不確定性推理、專家系統(tǒng)和演化算法等。同時,也介紹了典型機器學(xué)習(xí)和深度學(xué)習(xí)的學(xué)習(xí)框架和方法,如決策樹、支持向量機、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)等。另外,本書以Pytorch、sklearn等為基礎(chǔ)通過實踐項目

本書分為6章、24小節(jié)，分別以“城市、政府、市場、人民、生態(tài)、未來”等角色和角度，通過相關(guān)話題、觀點與案例解讀的形式，分享國內(nèi)外優(yōu)秀智慧城市的創(chuàng)新案例和解決方案，從各個層面探討智慧城市發(fā)展趨勢、挑戰(zhàn)和機遇，為讀者帶來全新的思考與啟發(fā)。

本書詳細介紹了人工智能領(lǐng)域涉及的數(shù)學(xué)基礎(chǔ)，對于每個問題盡可能給出足夠詳盡的證明過程，以幫助讀者深入理解智能算法的原理。本書內(nèi)容涉及線性代數(shù)、高等數(shù)學(xué)、概率論、**化等多個數(shù)學(xué)分支內(nèi)的重要知識點。采用公式推導(dǎo)、圖表示例、應(yīng)用舉例相結(jié)合的方式，以翔實的語言、全新的視角，幫助讀者理解其中的關(guān)鍵知識點。全書共分為10章:第1章

《AI可解釋性（Python語言版）》全面介紹了AI可解釋性的概念和可用技術(shù)，使機器學(xué)習(xí)系統(tǒng)更易于解釋。書中提出的方法可以應(yīng)用于幾乎所有現(xiàn)有的機器學(xué)習(xí)模型：線性和邏輯回歸、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、自然語言處理和圖像識別等等。隨著機器學(xué)習(xí)的發(fā)展，如今人們越來越多地使用人工智能體來執(zhí)行以前由人類處理的關(guān)鍵任務(wù)(醫(yī)療、法律和金融等

本書以智能算法為背景，全面地介紹了人工智能的各種算法，本書內(nèi)容以理論為基礎(chǔ)，以應(yīng)用為主導(dǎo)，循序漸進地向讀者揭示怎樣利用智能算法解決實際問題。全書共11章主要內(nèi)容包括MATLAB語言入門、插值算法與曲線擬合、灰色系統(tǒng)理論、傅里葉變換和小波變換、經(jīng)驗?zāi)�態(tài)分解算法、模糊邏輯控制算法、滑模變結(jié)構(gòu)控制、神經(jīng)網(wǎng)絡(luò)基本理論、支持向量

本書采用“理論+實踐”的方式，全面系統(tǒng)地講授了深度學(xué)習(xí)的基本原理以及使用TensorFlow實現(xiàn)各類深度學(xué)習(xí)網(wǎng)絡(luò)的方法。全書共10章，第1～3章主要介紹深度學(xué)習(xí)的基礎(chǔ)知識，包括深度學(xué)習(xí)的概念和應(yīng)用、深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和優(yōu)化、TensorFlow的內(nèi)涵和特點等內(nèi)容；第4～5章主要介紹TensorFlow的安裝，以及計算模

本書深入淺出地介紹了近年來AI領(lǐng)域中十分引人注目的新型人工神經(jīng)網(wǎng)絡(luò)——生成對抗網(wǎng)絡(luò)（GAN）的基本原理、網(wǎng)絡(luò)結(jié)構(gòu)及其在圖像處理領(lǐng)域中的應(yīng)用；同時，分析了近年來在GAN訓(xùn)練、GAN質(zhì)量評估及多種改進型GAN方面取得的進展；在實踐方面，給出了基于Python的基本GAN編程實例。另外，本書還介紹了支撐GAN模型的基礎(chǔ)理論和

本書系統(tǒng)介紹了知識圖譜的概念、發(fā)展歷程、技術(shù)體系、前沿技術(shù)與應(yīng)用實踐。在基礎(chǔ)知識方面，本書囊括了知識圖譜從源數(shù)據(jù)到產(chǎn)生決策的全生命周期的各個環(huán)節(jié)，分析了數(shù)據(jù)圖譜和知識圖譜的核心區(qū)別，介紹了圖譜構(gòu)建和知識表示等相關(guān)關(guān)鍵技術(shù)。在前沿技術(shù)方面，全面介紹了知識圖譜自動構(gòu)建、知識圖譜融合和智能推理等問題和挑戰(zhàn)。在應(yīng)用實踐方面，結(jié)