本書分為八章，內(nèi)容涵蓋深度學(xué)習(xí)概念、深度學(xué)習(xí)框架、深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)等基礎(chǔ)知識(shí)，以及圖像分類、目標(biāo)檢測(cè)、文本分類、文本翻譯等深度學(xué)習(xí)實(shí)踐任務(wù)。

本書以普及人工智能基礎(chǔ)知識(shí)，培養(yǎng)人工智能基礎(chǔ)素養(yǎng)為目標(biāo)。以深入淺出的方式，介紹基本概念或解釋原理框架，讓學(xué)習(xí)者能切實(shí)理解和掌握人工智能的基本原理及相關(guān)應(yīng)用知識(shí)，每章都設(shè)置了難度適中的習(xí)題測(cè)試，讓學(xué)習(xí)者在測(cè)試后能夠更自信的構(gòu)建人工智能基礎(chǔ)的基本觀念與技術(shù)架構(gòu)。全書共分為6個(gè)單元，內(nèi)容包括人工智能概述、人工智能的發(fā)展、人工

《語(yǔ)義Web技術(shù)與應(yīng)用》一書旨在為圖書情報(bào)專業(yè)研究生提供一本有關(guān)語(yǔ)義Web核心技術(shù)和構(gòu)建標(biāo)準(zhǔn)的應(yīng)用教程。教程內(nèi)容涉及XML、XSLT、RDF、SKOS、OWL、SPARQL、SWRL等語(yǔ)義知識(shí)組織技術(shù)和OWL-S語(yǔ)義服務(wù)模型，培養(yǎng)學(xué)生在領(lǐng)域知識(shí)模型構(gòu)建、解析、存儲(chǔ)、檢索等方面的開發(fā)實(shí)踐能力，幫助學(xué)生掌握知識(shí)服務(wù)系統(tǒng)的構(gòu)

本書從知識(shí)系統(tǒng)構(gòu)建的支撐技術(shù)和制造企業(yè)的實(shí)際應(yīng)用出發(fā)，系統(tǒng)地介紹了知識(shí)工程的概念、方法和應(yīng)用。全書共7章，重點(diǎn)介紹了知識(shí)獲取、知識(shí)表示、知識(shí)推理及知識(shí)管理，在此基礎(chǔ)上，針對(duì)制造企業(yè)知識(shí)工程實(shí)施方法、工具展開了介紹，最后介紹了知識(shí)系統(tǒng)的結(jié)構(gòu)、開發(fā)，以及知識(shí)工程技術(shù)在機(jī)械制造領(lǐng)域的應(yīng)用。本書結(jié)合知識(shí)工程技術(shù)在制造業(yè)的應(yīng)用案

本書是一本在人工智能領(lǐng)域極具前瞻性和引領(lǐng)性的作品，書中解答了什么是通用人工智能、如何認(rèn)清智能的本質(zhì)、如何為人工智能找到統(tǒng)一理論與認(rèn)知架構(gòu)進(jìn)而為機(jī)器立“心”等重要問題，全書共分為兩個(gè)部分，總計(jì)7章，從兩個(gè)方向——“厘清通用人工智能的關(guān)鍵迷思”和“邁向通用人工智能的框架和路線圖”，重點(diǎn)探討了通用人工智能領(lǐng)域發(fā)展的7個(gè)重要問

本書系統(tǒng)地講解各種模型在端側(cè)平臺(tái)(含嵌入式設(shè)備、移動(dòng)端設(shè)備)中的工程化實(shí)踐，重點(diǎn)討論模型優(yōu)化、模型輕量化設(shè)計(jì)、高性能計(jì)算、Neon編程、ARM處理器OpenCV編程、基于TFLite的端側(cè)模型部署和性能優(yōu)化、NPU和GPU推理加速等。通過(guò)本書的閱讀，讀者可以理解端側(cè)AI模型部署內(nèi)容，包括算法及算子優(yōu)化和對(duì)模型的精度、性

本教材內(nèi)容包括機(jī)器學(xué)習(xí)概述、機(jī)器學(xué)習(xí)開發(fā)環(huán)境安裝及使用，以及8個(gè)預(yù)測(cè)任務(wù)(涵蓋監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)等知識(shí)點(diǎn))。在內(nèi)容的選取上，本教材突出數(shù)據(jù)的多樣性、方法的代表性和繼承性，通過(guò)豐富的機(jī)器學(xué)習(xí)任務(wù)深入淺出地介紹機(jī)器學(xué)習(xí)技術(shù)在現(xiàn)實(shí)生活中的應(yīng)用和實(shí)踐。本教材共有10章，第1-2章是實(shí)施機(jī)器學(xué)習(xí)任務(wù)前的概念

本書探討了人工智能(AI)的發(fā)展及其對(duì)人類社會(huì)的深遠(yuǎn)影響。書中首先強(qiáng)調(diào)了科學(xué)技術(shù)作為第一生產(chǎn)力的重要性，引用了鄧小平和幾代領(lǐng)導(dǎo)人的觀點(diǎn)，指出科技創(chuàng)新在推動(dòng)社會(huì)生產(chǎn)力和經(jīng)濟(jì)增長(zhǎng)中的核心作用；在探討財(cái)富的起源和增長(zhǎng)時(shí)，指出工業(yè)革命后的技術(shù)進(jìn)步是近200多年財(cái)富爆發(fā)性增長(zhǎng)的主要推動(dòng)力；書中對(duì)世界復(fù)雜性的討論同樣引人深思。最引

本書是一本精簡(jiǎn)的神經(jīng)網(wǎng)絡(luò)入門教程，用通俗易懂的語(yǔ)言講解神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)。本書共6章，第1章對(duì)神經(jīng)網(wǎng)絡(luò)領(lǐng)域進(jìn)行概述，包括其歷史和應(yīng)用；第2章深入探討神經(jīng)元的數(shù)學(xué)模型，包括其輸入、權(quán)值、偏置和激活函數(shù)；第3章介紹感知機(jī)的概念，討論感知機(jī)的結(jié)構(gòu)，并解釋如何用它來(lái)解決簡(jiǎn)單的分類問題；第4章介紹多層感知機(jī)的概念，講述如何使用前

本教材系統(tǒng)地講解了機(jī)器學(xué)習(xí)的理論與方法，內(nèi)容主要包括高斯混合模型和EM算法、主題模型、采樣與非參數(shù)貝葉斯方法、聚類分析、支持向量機(jī)、概率無(wú)向圖模型、概率有向圖模型、矩陣與張量分解、多層感知機(jī)與卷積神經(jīng)網(wǎng)絡(luò)、序列神經(jīng)網(wǎng)絡(luò)，以及強(qiáng)化學(xué)習(xí)。本教材旨在使讀者了解機(jī)器學(xué)習(xí)的發(fā)展，理解和掌握機(jī)器學(xué)習(xí)的基本原理、方法與主要應(yīng)用。本書