本書(shū)屬于智能感知技術(shù)方面的著作。由人工智能概述、傳感器技術(shù)、視覺(jué)感知技術(shù)、力/觸覺(jué)感知技術(shù)、無(wú)人駕駛汽車(chē)與無(wú)人機(jī)的實(shí)際應(yīng)用以及對(duì)智能感知技術(shù)的展望等部分構(gòu)成。全書(shū)主要研究在人工智能時(shí)代的背景下，智能機(jī)器人對(duì)外部環(huán)境的感知方式，闡述了智能感知的關(guān)鍵技術(shù)傳感器技術(shù)，包括視覺(jué)和力/觸覺(jué)傳感器，并對(duì)視覺(jué)感知與力/觸覺(jué)感知技術(shù)進(jìn)

本書(shū)著重介紹人工智能的基本概老，力求團(tuán)清人工智能相關(guān)學(xué)科理論與實(shí)際應(yīng)用之間的關(guān)聯(lián)。從智能引入人工智能的概老、發(fā)展。主要流源和未來(lái)發(fā)展的趨勢(shì):在數(shù)據(jù)、算力和算法的核心驅(qū)動(dòng)下，引入計(jì)算智能。感知智能、語(yǔ)富智能、行為智能和混合智能的概念。原理、方法與進(jìn)展，并從不同的學(xué)科角度介細(xì)人工智能的應(yīng)用與趨勢(shì):最后介部人工智能面臨的問(wèn)題

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，包括一套建立數(shù)據(jù)高級(jí)抽象模型的算法�！痘�于R語(yǔ)言的高級(jí)深度學(xué)習(xí)》將幫助讀者了解流行的深度學(xué)習(xí)架構(gòu)及其用R語(yǔ)言實(shí)現(xiàn)的變體，并提供實(shí)際示例�！痘�于R語(yǔ)言的高級(jí)深度學(xué)習(xí)》內(nèi)容涵蓋用于預(yù)測(cè)和分類(lèi)的重要的深度學(xué)習(xí)技術(shù)和概念，包括神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)架構(gòu)以及用R實(shí)現(xiàn)深度學(xué)習(xí)的基礎(chǔ)知識(shí)�！痘�于R語(yǔ)言的高級(jí)

本書(shū)圍繞物聯(lián)網(wǎng)通信技術(shù)應(yīng)用的崗位定義和崗位職能，以物聯(lián)網(wǎng)傳感器認(rèn)知與應(yīng)用、物聯(lián)網(wǎng)執(zhí)行器認(rèn)知與應(yīng)用、物聯(lián)網(wǎng)通信終端開(kāi)發(fā)、物聯(lián)網(wǎng)短距離無(wú)線通信技術(shù)應(yīng)用、物聯(lián)網(wǎng)長(zhǎng)距離無(wú)線通信技術(shù)應(yīng)用、物聯(lián)網(wǎng)云平臺(tái)的使用為主要技能點(diǎn)組織和闡述物聯(lián)網(wǎng)通信技術(shù)知識(shí)和技能。本書(shū)包括6個(gè)項(xiàng)目，按照感知層、網(wǎng)絡(luò)層、應(yīng)用層一步一步展開(kāi)。每個(gè)項(xiàng)目中的任務(wù)設(shè)

本書(shū)將數(shù)學(xué)理論與實(shí)例相結(jié)合，這些實(shí)例以最*先進(jìn)的通用機(jī)器學(xué)習(xí)框架為基礎(chǔ)，由Python實(shí)現(xiàn)，向讀者介紹更復(fù)雜的算法。全書(shū)共25章，包括機(jī)器學(xué)習(xí)模型基礎(chǔ)、損失函數(shù)和正則化、半監(jiān)督學(xué)習(xí)導(dǎo)論、高級(jí)半監(jiān)督分類(lèi)、基于圖的半監(jiān)督學(xué)習(xí)、聚類(lèi)和無(wú)監(jiān)督學(xué)習(xí)模型、高級(jí)聚類(lèi)和無(wú)監(jiān)督學(xué)習(xí)模型、面向營(yíng)銷(xiāo)的聚類(lèi)和無(wú)監(jiān)督學(xué)習(xí)模型、廣義線性模型和回歸

神經(jīng)計(jì)算的信息論方法 香農(nóng)信息科學(xué)經(jīng)典

機(jī)器學(xué)習(xí)的信息論方法 香農(nóng)信息科學(xué)經(jīng)典

本書(shū)是《Scikit-learn機(jī)器學(xué)習(xí)詳解》（潘風(fēng)文編著）的進(jìn)階篇，講解了Sklearn（Scikit-learn）機(jī)器學(xué)習(xí)框架的各種高級(jí)應(yīng)用技術(shù)，包括數(shù)據(jù)集導(dǎo)入工具、集成學(xué)習(xí)、模型選擇和交叉驗(yàn)證、異常檢測(cè)、管道、信號(hào)分解、模型持久化以及Sklearn系統(tǒng)高級(jí)配置。通過(guò)本書(shū)的學(xué)習(xí)，讀者可快速掌握Sklearn框架的高

本書(shū)從語(yǔ)義匹配的角度解決搜索引擎和推薦系統(tǒng)的關(guān)鍵痛點(diǎn)，為構(gòu)建解決語(yǔ)義匹配問(wèn)題的深度學(xué)習(xí)模型提供了通用框架。第1章概述搜索和推薦中的語(yǔ)義匹配問(wèn)題，以及近年來(lái)的研究進(jìn)展。第2章介紹傳統(tǒng)匹配模型，包括潛在空間模型。第3章介紹深度學(xué)習(xí)技術(shù)在構(gòu)建匹配模型時(shí)的應(yīng)用。第4章和第5章分別介紹用于搜索和推薦的深度匹配模型，并將當(dāng)前的深度

本書(shū)講解概率圖模型的基本原理及其在機(jī)器學(xué)習(xí)、大數(shù)據(jù)建模、深度神經(jīng)網(wǎng)絡(luò)模型中的應(yīng)用,并且從概率圖模型的角度講解機(jī)器學(xué)習(xí)算法、深度神經(jīng)網(wǎng)絡(luò)模型的概率原理，培養(yǎng)學(xué)生知其然，并知其所以然的思維方式，解決學(xué)生應(yīng)用建模時(shí)僅局限于模型選型和調(diào)參的問(wèn)題。本書(shū)內(nèi)容豐富，將原理與實(shí)例相結(jié)合，數(shù)學(xué)與代碼相結(jié)合，可作為高等院校的人工智能