本書分為3部分，分別是綜述篇、通用技術(shù)篇和行業(yè)應(yīng)用篇。綜述篇介紹了現(xiàn)階段人工智能產(chǎn)品發(fā)展情況和人工智能政策環(huán)境。通用技術(shù)篇精心挑選10個以研發(fā)底層技術(shù)為核心競爭力的企業(yè)的產(chǎn)品，詳細(xì)介紹了它們的實現(xiàn)思路以及現(xiàn)階段應(yīng)用。行業(yè)應(yīng)用篇共有24個案例，主要匯集了人工智能技術(shù)與實體經(jīng)濟結(jié)合的應(yīng)用案例，重點關(guān)注人工智能技術(shù)的應(yīng)用場景

機器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、矩陣論、神經(jīng)網(wǎng)絡(luò)、計算機等多門學(xué)科。其目標(biāo)是模擬人類的學(xué)習(xí)活動，從數(shù)據(jù)中獲取知識和技能，重新組織已有的知識結(jié)構(gòu)，從而不斷改善系統(tǒng)性能。本書共9項目。項目1介紹機器學(xué)習(xí)基礎(chǔ)，概要介紹機器學(xué)習(xí)的發(fā)展簡史和一般步驟，以及本書涉及的方法和算法；項目2項目7討論k近鄰算法、線性回

本書全面、系統(tǒng)地介紹了經(jīng)典控制理論的基本內(nèi)容和自動控制系統(tǒng)的分析、校正與綜合設(shè)計方法。全書共分8章，主要包括自動控制的基本概念、控制系統(tǒng)的數(shù)學(xué)描述、時域分析法、根軌跡分析法、頻域分析法、線性控制系統(tǒng)的綜合與校正、離散時間控制系統(tǒng)、非線性控制系統(tǒng)等。每章最后一節(jié)為相應(yīng)的Matlab仿真實例。各章末給出本章小結(jié)和關(guān)鍵術(shù)語和

本書全面系統(tǒng)地闡述了人工智能的基本原理，勾畫了人工智能理論和技術(shù)體系的基本框架，內(nèi)容涵蓋了人工智能各個分支領(lǐng)域的基本知識和主要內(nèi)容，并體現(xiàn)了人工智能的最新進展。本書內(nèi)容全面、基礎(chǔ)、新穎、實用，為讀者進一步學(xué)習(xí)和研發(fā)奠定了基礎(chǔ)，指引了方向。全書共分為六篇，每篇為一個知識單元。本書結(jié)構(gòu)風(fēng)格獨特，條理清楚，語言精練，圖文并茂

本書主要介紹如何應(yīng)用Tensorflow來實現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書從tensorflow的基本語法，基礎(chǔ)教程、高級工具以及進階教程來對深度學(xué)習(xí)的理論與技術(shù)進行深入分析與講解，并提供大量的案例從零開始教會讀者如何使用深度學(xué)習(xí)進行開發(fā)以及應(yīng)用。本書主要介紹如何應(yīng)用Tensorflow來實現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書從

本書分為14章,涵蓋的主要內(nèi)容有人工智能的發(fā)展;開發(fā)環(huán)境的部署與使用;TensorFlow2.0框架結(jié)構(gòu)及基本函數(shù)使用;神經(jīng)網(wǎng)絡(luò)的發(fā)展與基本結(jié)構(gòu);圖像處理;TensorFlow2.0可視化工具TensorBoard;普通神經(jīng)網(wǎng)絡(luò)曲線擬合;普通神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)MNIST手寫字體識別;圖像風(fēng)格遷移;小型汽車車牌識別;

本書屬于人工智能方面的基礎(chǔ)研究的著作,全面探討研究人工智能的基本理論和技術(shù)發(fā)展,由人工智能基本概念、確定性知識系統(tǒng)、不確定性知識系統(tǒng)、智能搜索技術(shù)、自然語言理解等五大部分組成。全書以人工智能為研究對象,分析人工智能的原理及其在各方面的應(yīng)用,在此技術(shù)基礎(chǔ)上,結(jié)合現(xiàn)實需求,提出人工智能對社會的重要性與未來的發(fā)展方向。

TensorFlow是谷歌公司于2015年研發(fā)的深度學(xué)習(xí)框架。它的出現(xiàn)降低了人工智能時代的入門門檻，提高了開發(fā)效率。本書針對TensorFlow2.0版本編寫，基于工作過程進行系統(tǒng)化的體例設(shè)計，采用理論知識結(jié)合項目實例的形式，由淺入深地介紹TensorFlow深度學(xué)習(xí)框架的原理、特性、編程技巧和應(yīng)用方法。本書包含深度學(xué)

本書共9章，主要介紹了人工智能在監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)3個領(lǐng)域的10種常見算法，包括kNN、貝葉斯、決策樹、支持向量機、集成學(xué)習(xí)、K-means、線性回歸、神經(jīng)網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)、Q-learning等。全書采用Python作為實現(xiàn)語言，通過大量原創(chuàng)圖表及實用案例讓讀者參與和體驗人工智能的決策過程，希望讀者能夠了解

人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的一門學(xué)科。本書系統(tǒng)地闡述了人工智能的基本理論、基本技術(shù)、研究方法和應(yīng)用領(lǐng)域等內(nèi)容,比較全面地反映了國內(nèi)外人工智能研究領(lǐng)域的*進展和發(fā)展方向,包括智能優(yōu)化算法及應(yīng)用研究。本書共6章,主要內(nèi)容包括:人工智能的定義、起源、分類與發(fā)展,人工智能的知識表示方法,確定性推理的主要