k-均值問題是經(jīng)典組合優(yōu)化問題,也是著名的NP-難問題之一,相應的Lloyd算法是數(shù)據(jù)挖掘的十大經(jīng)典算法之一.k-均值問題在人工智能、數(shù)據(jù)挖掘、理論計算機科學、運籌學和管理科學中有著廣泛的應用.本書介紹k-均值問題及其變形的基于隨機抽樣、降維、核心集、近似質(zhì)心集、局部搜索、線性規(guī)劃舍入等技術(shù)的近似算法.主要內(nèi)容包括:經(jīng)

人工智能領域一直以來堅信：只要人工智能系統(tǒng)能產(chǎn)生類似于人類的行為，它就是智能的。于是，我們看到了能夠打敗國際象棋guan軍的計算機棋手，能夠根據(jù)路況選擇行駛路線的無人駕駛汽車，能夠做手術(shù)的醫(yī)生……人們甚至開始擔憂：有朝一日，機器人會不會超越人類，進而奴役人類？ 在《新機器智能》一書中，科技界

理解TensorFlow模型模式和ML工作流中的最佳實踐。 使用代碼段作為構(gòu)建TensorFlow模型和工作流的模板。 通過集成TensorFlowHub中的預建模型節(jié)省開發(fā)時間。 使用加速器集群（如GPU或TPU）充分利用分布式訓練。 對數(shù)據(jù)攝取、訓練模型、模型保存和推理做出明智的設計選擇。

研究張量，這是機器學習中最基本的結(jié)構(gòu)。 通過一個真實示例完成數(shù)據(jù)與張量的來回轉(zhuǎn)換。 使用TensorFlow.js結(jié)合AI和Web。 使用資源轉(zhuǎn)換、訓練和管理機器學習數(shù)據(jù)。 從頭開始構(gòu)建和訓練你自己的訓練模型。

本書針對深度學習及開源框架——PyTorch，采用簡明的語言進行知識的講解，注重實戰(zhàn)。全書分為4篇，共19章。深度學習基礎篇（第1章~第6章）包括PyTorch簡介與安裝、機器學習基礎與線性回歸、張量與數(shù)據(jù)類型、分類問題與多層感知器、多層感知器模型與模型訓練、梯度下降法、反向傳播算法與內(nèi)置優(yōu)化器。計算機視覺篇（第7章~

隨著云計算、大數(shù)據(jù)等的快速發(fā)展，越來越多的組織用信息化手段進行流程管理。如何提升流程執(zhí)行的智能化程度、動態(tài)性和柔性，以提高對非標準業(yè)務的管理效率，是流程管理面臨的一個重要問題。 本書基于流程管理系統(tǒng)積累的日志，提出了3種流程管理的工作流活動推薦方法，分別為基于用戶類別近鄰的活動推薦方法、基于Pearson相關(guān)系數(shù)的活動

本書通過扎實、詳細的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實驗結(jié)果等方面對深度學習算法進行分析和介紹。本書共三篇，第一篇主要介紹深度學習在計算機視覺方向的一些卷積神經(jīng)網(wǎng)絡，從基礎骨干網(wǎng)絡、輕量級CNN、模型架構(gòu)搜索3個方向展開，介紹計算機視覺方向的里程碑算法；第二篇主要介紹深度學習在自然語言處理方向的重要突破，包括基

全書可分為五大部分，闡述了分布式人工智能的基礎知識以及相關(guān)進展，包括分布式人工智能簡介、分布式規(guī)劃與優(yōu)化、多智能體博弈、多智能體學習和分布式人工智能應用。除此之外，由于本領域尚處于蓬勃發(fā)展階段，相關(guān)技術(shù)與應用層出不窮，因此書中還提供了研究者對于分布式人工智能發(fā)展的相關(guān)預測，主要集中在：第一，更復雜和更大規(guī)模的分布式人工

本書主要針對控制理論的一些重要分支，分析了當前存在的瓶頸問題，展望了其發(fā)展趨勢和面臨的一系列挑戰(zhàn)。全書共分為17章，分別為：優(yōu)化控制研究的概述與關(guān)鍵問題分析、邏輯控制系統(tǒng)中的未解問題、系統(tǒng)與控制中優(yōu)化理論與應用的挑戰(zhàn)與瓶頸、分布參數(shù)系統(tǒng)控制、數(shù)據(jù)驅(qū)動控制系統(tǒng)、自抗擾控制中的若干未解問題、非線性控制的幾個瓶頸問題、時間與

本書在理解算法如何工作和如何更好地調(diào)整模型之間架起一座橋梁。本書將幫助你掌握開發(fā)主要機器學習模型的技能，包括監(jiān)督和無監(jiān)督學習（其中包括線性/對率回歸）、決策樹、隨機森林、梯度提升機（GBM）、神經(jīng)網(wǎng)絡、k均值聚類、主成分分析和推薦系統(tǒng)。你將通過應用于文本挖掘的CNN、RNN和Word2vec接觸到*新的深度學習，并學習