本書從傳統(tǒng)的機器學習，如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、集成學習，到前沿的深度學習和神經網絡，如DNN、CNN、BERT、ResNet等，對人工智能技術進行零基礎講解，內容涵蓋數學原理、公式推導、圖表展示、企業(yè)應用案例。本書面向初中級讀者，能幫助讀者迅速掌握機器學習技術的相關概念及原理。本書內容結合作者多年

機器學習實戰(zhàn)：使用R、tidyverse和mlr

本書是一本介紹深度學習理論和實戰(zhàn)應用的教程，先從數學基礎和機器學習基礎出發(fā)，按照神經網絡的技術發(fā)展框架由易到難逐步講解深度學習的理論，然后再通過實踐部分，詳細解釋深度學習的應用案例，讓讀者既能了解深度學習理論，又能學會使用深度學習框架，實現自己的深度學習模型。主要內容包括深度學習的發(fā)展歷史、單層感知器、線性神經網絡、B

本書基于豐富的圖示，詳細介紹了有監(jiān)督學習和無監(jiān)督學習的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機、核方法、樸素貝葉斯、隨機森林、神經網絡、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進行了實現，讀者可一邊運行代碼一邊閱讀，從

本書全面講解PaddlePaddleFluid框架在深度學習領域的應用。全書共15章，分別是PaddlePaddle深度學習開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實戰(zhàn)、卷積神經網絡實戰(zhàn)、循環(huán)神經網絡實戰(zhàn)、生成對抗網絡實戰(zhàn)、強化學習實戰(zhàn)、模型的保存與使用、遷移學習實戰(zhàn)可視化工具VisualDL的使

本書的主要特色在于知識建模和智能推理技術方面的創(chuàng)新，并基于知識圖譜建模和智能推理技術的集成完成了一系列應用軟件的開發(fā)，直觀形象、易學易用。本書是AI3軟件的詳盡解讀，分為AI3普及版（自由拷貝，不限使用）、AI3智能教學版以及AI3專業(yè)版（適用于復雜過程工業(yè)系統(tǒng)AI應用）。

深度學習已經進入我們的生活，云計算和大數據為深度學習提供了便利。本書主要講解深度學習中的數學知識、算法原理和實現方法，配套源碼、數據集和開發(fā)環(huán)境。本書共12章。第1章介紹人類視覺和深度學習的聯系。第2章介紹深度學習中最為重要的梯度下降算法。第3章介紹卷積函數。第4章介紹計算損失函數所使用的交叉熵、決策樹和信息熵。第5章

本書從初學者角度出發(fā)，采用理論與實踐相結合的方式闡述深度學習的相關知識，包括概率論、信息論、數值優(yōu)化，以及機器學習中的相關內容。同時包括深度前饋網絡、正則化、優(yōu)化算法、卷積網絡、序列建模和實踐方法等，并且包含了實際環(huán)境中用到的深度學習技術場景，諸如自然語言處理、語音識別、計算機視覺、在線推薦系統(tǒng)等方面的應用，幫助初學者

本書系統(tǒng)闡述遷移學習的解決方法和典型應用。首先，論述了遷移學習的基本概念、方法分類及發(fā)展歷程，介紹了遷移學習的相關基礎知識。然后，探討了遷移學習的基本方法，包括基于樣本、基于特征、基于模型和基于關系的遷移學習方法，闡述了深度遷移學習的經典方法，包括神經網絡自適應遷移方法和神經網絡對抗遷移方法，介紹了更加實用的部分域適應

本書內容主要來自作者近年的研究課題，闡述了機器嗅覺的概念、基本內容和機器嗅覺未來技術的發(fā)展。重點探討類似音頻、視頻的“嗅頻”理論與技術，探討基于“嗅頻”概念的氣味信息通用性表征模式和網絡化傳輸及終端復現方法，介紹基于“基氣味”概念的氣味終端復現技術與雛形裝置。本書內容不僅具有重要的理論價值，而且在科學研究、軍事國防、日