本書系統(tǒng)地介紹了時滯分布參數(shù)神經(jīng)網(wǎng)絡(luò)中的重要問題，主要內(nèi)容包括時滯分布參數(shù)神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性、周期解、魯棒性、無源性、自適應(yīng)同步控制、自適應(yīng)學習同步、采樣同步控制及反同步等問題。書中所給的分析方法包括代數(shù)不等式、線性矩陣不等式、隨機分析、自適應(yīng)控制、采樣控制、學習控制方法等。書中的內(nèi)容來源于作者近幾年來的創(chuàng)新性研究成果，

《實踐深度學習》共6章，第1章主要介紹深度學習必備的器材、操作系統(tǒng)及中間件的安裝方法;第2、3章解讀了深度學習示例中的基本術(shù)語;第4章則通過示例程序說明了VGG-16、ResNet-152的具體操作方法，并給出了提升估測精度的方法。而第5章介紹了基于26層網(wǎng)絡(luò)的Yolo和有助于醫(yī)學圖像目標識別的U形23層網(wǎng)絡(luò)模型。第6

《人工智能基礎(chǔ)（原書第2版）》把近年來AI發(fā)展歷程中的重要事件一一進行了梳理，不僅回顧了AI的誕生、發(fā)展，還詳細歸納整理了當前AI研究的核心問題—規(guī)劃、推理、機器學習等，又在此基礎(chǔ)上對人工智能未來的發(fā)展方向給出了一定的預(yù)期，包括分布式AI及進化計算等方面，很好地回答了所謂“人工智能的基礎(chǔ)究竟是什么”這一問題。本書內(nèi)容直

本書主要介紹了Google云平臺中有關(guān)機器學習的多種工具，以及如何使用它們來進行機器學習。這些工具對使用者在機器學習理論方面的要求很低，讀者可以在僅了解一點有關(guān)機器學習基礎(chǔ)知識的前提下使用它們。本書在使用每種機器學習的工具或技術(shù)之前，都會對相應(yīng)的理論進行較為詳實的介紹。但也同時考慮了機器學習理論的復(fù)雜性，在對理論知識的

本書系統(tǒng)地介紹了人工智能的基礎(chǔ)知識、核心技術(shù)、近年來的發(fā)展，以及在金融領(lǐng)域的應(yīng)用情況。全書分為上下兩篇，共14章。上篇為人工智能基礎(chǔ)理論，內(nèi)容包括人工智能概述、智能搜索技術(shù)、博弈決策、確定性知識表示及知識推理、不確定性推理、機器學習、計算智能、智能主體技術(shù)；下篇為人工智能的應(yīng)用，內(nèi)容包括面向金融領(lǐng)域的信息抽取、面向金融

本書在“科學技術(shù)社會學”框架下，從多學科交叉的管理綜合角度將物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會與治理創(chuàng)新研究貫通起來，全面、系統(tǒng)地分析物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會及其治理邏輯等元問題，從技術(shù)和經(jīng)濟治理、文化治理、風險治理、民眾參與治理等方面創(chuàng)新物聯(lián)網(wǎng)新時代物聯(lián)網(wǎng)社會的治理理論與實踐。

本書從深度神經(jīng)網(wǎng)絡(luò)和AI芯片研究現(xiàn)狀出發(fā)，系統(tǒng)地論述了目前深度學習主流開發(fā)平臺和深度神經(jīng)網(wǎng)絡(luò)基于FPGA平臺實現(xiàn)加速的開發(fā)原理和應(yīng)用實例。全書主要包括5部分：第1～2章介紹了深度神經(jīng)網(wǎng)絡(luò)的發(fā)展，并總結(jié)了深度學習主流開發(fā)平臺和AI芯片的研究現(xiàn)狀；第3～6章在對深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)層算子、FPGA進行了介紹后，總結(jié)了FPGA神

本書以深入淺出的方式，講解何為“人工智能”，如何掌握以深度學習為代表的人工智能相關(guān)方法，以及如何進行落地應(yīng)用。本書從理論、工具基礎(chǔ)講解開始，層層遞進，分別向讀者清晰地展現(xiàn)了卷積神經(jīng)網(wǎng)絡(luò)、生成式對抗網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度強化學習的知識脈絡(luò)與方法原理。同時，按照具體應(yīng)用場景，結(jié)合主流深度學習框架，給出所講述理論的落地應(yīng)用

AI會取代我們嗎？清晨，智能手環(huán)將你叫醒；上班路上，導(dǎo)航地圖為你規(guī)劃最佳路線；工作中，搜索引擎為你推薦最佳結(jié)果，輸入法為你糾正拼寫錯誤；晚上在家，視頻網(wǎng)站根據(jù)你的喜好推送節(jié)目，購物應(yīng)用會猜測你的需求展示商品。過去的六十年里，人工智能飛速發(fā)展，如今已深入我們的日常生活。曾經(jīng)只在科幻電影中出現(xiàn)的無人駕駛汽車、腦機接口、類人

本書共11章，主要介紹機器學習的基本概念和兩大類常用的機器學習模型，即監(jiān)督學習模型和非監(jiān)督學習模型。針對監(jiān)督學習模型，本書介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹）、集成學習模型和神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練；針對非監(jiān)督學習模型，本書講解了常用的降維技術(shù)（線性降維技術(shù)與非線性降