知識圖譜以三元組形式組織現(xiàn)實世界的各種事實，并通過圖的形式揭示事實間語義關(guān)聯(lián)，由于其完善的知識組織和存儲方式，且建模更加靈活、表達(dá)能力更強，逐漸拓展到語言理解、智能問答、推薦系統(tǒng)等領(lǐng)域應(yīng)用。工程應(yīng)用場景中時序信息相關(guān)的動態(tài)性是知識圖譜關(guān)鍵及主要特征，融合時序相關(guān)信息的動態(tài)知識推理對于提高知識圖譜推薦、問答等應(yīng)用的精準(zhǔn)性

本書在詳細(xì)闡述強化學(xué)習(xí)基本概念與基本理論的基礎(chǔ)上，循序漸進(jìn)地介紹了深度強化學(xué)習(xí)各常用算法的基本思想、算法偽代碼、算法實現(xiàn)、基于實例的算法演示與程序分析等內(nèi)容。具體介紹了Q-learning算法求解最優(yōu)路徑問題，SARSA算法求解最優(yōu)安全路徑問題，策略迭代算法求解兩地租車最優(yōu)調(diào)度問題，價值迭代算法求解最優(yōu)路徑問題，DQN

扣子Coze AI零代碼應(yīng)用開發(fā)全能手

本書系統(tǒng)深入地剖析了通義千問QwQ-32B開源大模型的技術(shù)原理與工程應(yīng)用，聚焦于智能體強化學(xué)習(xí)下的模型架構(gòu)創(chuàng)新與企業(yè)級項目交付實戰(zhàn)。全書共十二章，內(nèi)容涵蓋模型底層結(jié)構(gòu)優(yōu)化、高效訓(xùn)練機制、MoE專家路由、注意力重構(gòu)、推理部署加速、多模態(tài)能力集成、高效微調(diào)方法、上下文增強對話系統(tǒng)、響應(yīng)可控機制等核心技術(shù)環(huán)節(jié)。后半部分以多智

本書是《工業(yè)機器人系統(tǒng)與編程詳解》一書理實一體化教學(xué)的同步配套實踐教材，主要面向新型工業(yè)化時期智能及高端裝備制造領(lǐng)域，結(jié)合新工科復(fù)合型專業(yè)技術(shù)人才綜合能力培養(yǎng)的教學(xué)訴求，并融入作者十余載對工業(yè)機器人應(yīng)用的實踐總結(jié)及教學(xué)經(jīng)驗編寫而成。全書共包括十一個實踐任務(wù)，遵循工業(yè)機器人系統(tǒng)編程技術(shù)的普及與深化，囊括工業(yè)機器人安全認(rèn)知

本書根據(jù)當(dāng)前職業(yè)教育新形勢發(fā)展要求，結(jié)合黨的二十大精神編寫。全書采用項目導(dǎo)向、任務(wù)驅(qū)動的編寫模式，通過任務(wù)的完成，可以逐步提升學(xué)生的編程能力和解決問題的能力，每個任務(wù)都涵蓋了相關(guān)的基礎(chǔ)知識和技能。本書主要涵蓋4個項目：制作流水燈、交通燈控制、簡易搶答器設(shè)計與制作、全自動洗衣機控制系統(tǒng)設(shè)計與制作，每個項目都以實際應(yīng)用場景

這是一本人人都需要的AI提效指南。它以Manus、扣子空間、秒噠、AutoGLM沉思等通用智能體為工具，從工作和生活中的高頻應(yīng)用場景出發(fā)，介紹了如何借助通用智能體為工作提效，為生活增色。本書介紹了主流通用智能體的使用方法，總結(jié)了簡單易用的通用智能體提示詞編寫技巧，并通過豐富實用的案例，提供了高效的通用智能體使用方案。本

本書系統(tǒng)地闡述了微積分在人工智能領(lǐng)域的核心作用，從基礎(chǔ)理論到實際應(yīng)用，內(nèi)容豐富且深入。全書共13章，涵蓋微積分概述、函數(shù)與極限、導(dǎo)數(shù)與微分、積分及其應(yīng)用、多元微積分等基礎(chǔ)知識，同時深入探討了數(shù)據(jù)預(yù)處理、構(gòu)建網(wǎng)絡(luò)模型、模型優(yōu)化、模型評估與解釋等核心技術(shù)，并延伸至自然語言處理、計算機視覺、推薦系統(tǒng)和強化學(xué)習(xí)等前沿應(yīng)用場景。

本書深入探討了人工智能繪畫技術(shù)StableDiffusion的應(yīng)用與原理，帶領(lǐng)讀者與AI合作，并通過提示詞控制 內(nèi)容生成。書中詳細(xì)介紹了AI繪畫技術(shù)的發(fā)展歷程、基本概念、工作流程及與圖像生成相關(guān)的深度學(xué)習(xí)模型。 通過案例分析，作者展示了如何使用StableDiffusion進(jìn)行圖像創(chuàng)作，包括調(diào)整參數(shù)、使用Control

本書是一本全面介紹Python大模型優(yōu)化策略的專業(yè)書籍，旨在幫助讀者掌握如何高效訓(xùn)練、優(yōu)化、部署和調(diào)用大規(guī)模深度學(xué)習(xí)模型。掌握這些優(yōu)化技巧將是推動大模型應(yīng)用和提升AI行業(yè)競爭力的關(guān)鍵。 本書以深度學(xué)習(xí)和大模型技術(shù)為引，系統(tǒng)講解了各種優(yōu)化算法，并深入探討了兩者的融合與應(yīng)用。本書涵蓋了機器學(xué)習(xí)與深度學(xué)習(xí)概述、Transfo