機器學習是人工智能的重要分支。本書立足實用且易于上手實踐的原則，系統(tǒng)地介紹機器學習領域的經(jīng)典算法，以及這些算法的Python實現(xiàn)和典型應用。本書分4部分:第1部分介紹監(jiān)督學習，包括線性模型、決策樹分類、貝葉斯分類器、集成學習和支持向量機；第2部分介紹無監(jiān)督學習，包括關聯(lián)規(guī)則、聚類分析和數(shù)據(jù)降維；第3部分介紹深度學習，包

本書是寫給沒有學過任何計算機語言的讀者的，例如大學生。本書主要講授MATLAB的基本知識，從如何打開MATLAB的指令窗口，輸入最簡單的指令開始，利用MATLAB提供的交互式環(huán)境，用簡明的實例向讀者示范如何調(diào)用MATLAB的內(nèi)部函數(shù)實現(xiàn)數(shù)值計算、符號運算和平面曲線、空間曲線與曲面圖等圖形輸出，以及機器學習和線性代數(shù)與微

本書的主要內(nèi)容涵蓋機器學習領域的主要模型和算法,包括監(jiān)督學習的分類和回歸模型與算法、非監(jiān)督學習的聚類和降維算法、強化學習的主要算法、遷移學習的實例以及最新前沿的相關模型和算法的實踐。本書以實驗項目或案例為單元,每個單元有明確的實驗目的、原理和實驗步驟,包括基礎驗證性實驗、綜合設計性實驗和系統(tǒng)開發(fā)項目實踐。

本書主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學習(線性回歸、SVM、決策樹等)、無監(jiān)督學習(降維、聚類等),以及深度學習的基礎原理和應用等。本書旨在為廣大讀者提供一個系統(tǒng)全面、易于理解的機器學習和深度學習入門教程。不需要過多的數(shù)學背景,只需掌握基本的編程知識即可輕松上手。

本書使用Python對人工智能機器學習中的相關知識進行了算法實現(xiàn),并以這些知識為背景解釋了什么是深度學習。具體內(nèi)容包括初識機器學習、機器學習基礎、群智能與優(yōu)化方法、神經(jīng)網(wǎng)絡和深度學習。因為沒有使用TensorFlow、PyTorch等任何程序庫,僅使用Python直接實現(xiàn)機器學習與深度學習的相關算法,可以讓讀者更好地理

這是一本講解NPU硬件架構設計與技術實現(xiàn)的著作。作者將自己在CPU、GPU和NPU領域15年的軟硬件工作經(jīng)驗融會貫通，將四代NPU架構設計經(jīng)驗融為一體，將端側和云側NPU架構合二為一，總結并提煉出本書內(nèi)容。本書主要討論神經(jīng)網(wǎng)絡硬件層面，尤其是芯片設計層面的內(nèi)容，主要包含神經(jīng)網(wǎng)絡的分析、神經(jīng)網(wǎng)絡加速器的設計以及具體

圖數(shù)據(jù)是對萬物間聯(lián)系的一般抽象，廣泛存在于各行各業(yè)中。圖表征學習為圖數(shù)據(jù)的建模與分析提供了新范式，是近年來機器學習與數(shù)據(jù)挖掘領域的熱門研究方向，并被有效地應用于推薦系統(tǒng)、交通預測等眾多領域。本書將全面介紹圖表征學習，特別是針對處于真實世界動態(tài)、開放環(huán)境之中圖數(shù)據(jù)的圖表征學習方法。本書分為3篇：第1篇介紹圖嵌入和圖神經(jīng)網(wǎng)

本書基于卷積神經(jīng)網(wǎng)絡和圖像識別方法，介紹了PyTorch和PaddlePaddle兩種框架，并結合移動機器人講解了具體的開發(fā)過程。書中所用的硬件平臺，帶有兩個攝像頭傳感器，為機器人和無人駕駛車輛多攝像頭導航提供了理論指導。書中提到的模擬沙盤，正是機器人作為園區(qū)巡檢或無人配送實例的縮影。通過基于理論的實踐，本書不局限于具

人工智能正以前所未有的速度改變著世界。 GPT作為強大的人工智能語言模型，具有廣泛的應用場景，必將改變?nèi)祟惖纳�產(chǎn)與生活方式，為人類社會帶來巨大且深遠的影響。而只要一個人開始使用GPT，他將大概率發(fā)現(xiàn)向GPT提問頗為關鍵。很大程度上，提問的質(zhì)量決定著回答的質(zhì)量，提問的效率決定著工作的效率。 本書旨在幫助讀者學會

本書以LabVIEW為開發(fā)平臺，講述物聯(lián)網(wǎng)應用中通信組網(wǎng)基本原理、應用開發(fā)技術和程序設計方法。全書共7章，第1章簡要介紹物聯(lián)網(wǎng)的方法和技術，概述常用的物聯(lián)網(wǎng)通信技術；第2章介紹LabVIEW程序設計方法，包括開發(fā)平臺簡介、LabVIEW中的數(shù)據(jù)類型、LabVIEW程序設計基礎及其應用程序典型設計模式；第3～7章，分別介