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、概率論、**化等多個數(shù)學分支內(nèi)的重要知識點。采用公式推導、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)，使機器學習系統(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)有的機器學習模型：線性和邏輯回歸、深度學習神經(jīng)網(wǎng)絡(luò)、自然語言處理和圖像識別等等。隨著機器學習的發(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，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)驗模態(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)地講授了深度學習的基本原理以及使用TensorFlow實現(xiàn)各類深度學習網(wǎng)絡(luò)的方法。全書共10章，第1～3章主要介紹深度學習的基礎(chǔ)知識，包括深度學習的概念和應(yīng)用、深層神經(jīng)網(wǎng)絡(luò)的訓練和優(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)

本書內(nèi)容包括Python編程IDE的安裝,機器學習分類,聚類,回歸,數(shù)據(jù)預處理和人工神經(jīng)網(wǎng)絡(luò)。算法原理解析中所涉及到的數(shù)學等晦澀內(nèi)容都以知識窗的形式一一講解,表述通俗易懂;算法具體應(yīng)用中的案例典型生動,編程代碼具體詳細,力求讓人工智能思想落地,直觀地展現(xiàn)于讀者面前。

本書選材廣泛,涵蓋了人工智能基礎(chǔ)、人工智能的利弊、人工智能中的推理、知識表示和知識圖譜、模糊邏輯系統(tǒng)、知情搜索算法和不知情搜索算法、專家系統(tǒng)、機器學習和深度學習、機器學習算法、人工神經(jīng)網(wǎng)絡(luò)、大數(shù)據(jù)與機器學習、模式識別、自然語言處理、計算機視覺、人工智能中的智能體、智能制造、用于人工智能的五種編程語言、人工智能平臺、人工

本書面向人工智能初學者，分為基礎(chǔ)篇和進階篇兩個篇章。其中，基礎(chǔ)篇內(nèi)容包括了人工智能的基本概念、人工智能的發(fā)展歷史、計算機與環(huán)境感知、簡單幾何形狀的識別、人工智能搜索算法；進階篇則包括大數(shù)據(jù)的定義、知識與推理、回歸與分類、深度學習網(wǎng)絡(luò)、感知信息處理。此外還有配合知識學習的課程實踐，包括圖形匹配以及微縮車倒車入庫等實驗。本