本書深入探討了四元數(shù)神經(jīng)網(wǎng)絡在表情識別任務中的突破性應用。與傳統(tǒng)神經(jīng)網(wǎng)絡模型相比，四元數(shù)神經(jīng)網(wǎng)絡在處理復雜情感信息時展現(xiàn)出了更強特征分析能力和更低計算量的雙重優(yōu)勢。書中內(nèi)容主要展現(xiàn)這一前沿技術在特征表示、數(shù)據(jù)融合和信息處理上的巨大潛力，以及如何在表情識別任務中顯著提升精度與效率。本書所有的內(nèi)容都充分結合理論分析與實證研

本書將最優(yōu)控制方法融入機器學習的研究中，創(chuàng)新地建立了一個基于最優(yōu)反饋控制在線學習框架，并在該框架下提出了一系列用于解決線性和非線性的分類與回歸問題的魯棒自適應學習算法;構建了基于最優(yōu)控制的魯棒在線學習架構，分別討論該架構下的線性回歸、二分類和多分類問題，并且將線性問題的架構拓展到非線性回歸與分類問題；提出了基于控制的深

密態(tài)深度學習可以在不解密加密數(shù)據(jù)的前提下對授權用戶提供深度學習服務，并可防止非授權用戶對授權用戶的數(shù)據(jù)進行竊取與利用。該技術突破了密態(tài)數(shù)據(jù)無法在非可信環(huán)境下被有效利用的技術瓶頸，實現(xiàn)了安全學習，萬物互聯(lián)。本書從大數(shù)據(jù)、人工智能面臨的隱私挑戰(zhàn)出發(fā)，以密態(tài)深度學習理論框架與技術方法研究為主線，從理論模型到實際應用，系統(tǒng)闡述

本書是電梯職業(yè)技術教學與實操培訓叢書的第二本，主要介紹電梯的電氣控制系統(tǒng)和物聯(lián)網(wǎng)技術在電梯控制中的應用。本書緊抓電梯電氣控制系統(tǒng)的應用特點，觀點鮮明、條理清晰，原理分析由淺入深，圖文并茂，分析舉例貼近實際應用，具有較強的實用性和操作性。本書共8章，主要內(nèi)容包括電梯常用電氣部件、電梯電氣系統(tǒng)組成及構造分析、電梯的供電系統(tǒng)

本書旨在采用一種符合讀者認知角度且能提升其學習效率的方式來講解深度學習背后的核心知識、原理和內(nèi)在邏輯。經(jīng)過基礎篇的學習，想必你已經(jīng)對深度學習的總體框架有了初步的了解和認識，掌握了深度神經(jīng)網(wǎng)絡從核心概念、常見問題到典型網(wǎng)絡的基本知識。本書為核心篇，將帶領讀者實現(xiàn)從入門到進階、從理論到實戰(zhàn)的跨越。全書共7章，前三章包括復雜

ChatGPT是當下最新、最熱門的工具、效率工具，但為什么不同的人使用效果天差地別，整體上來說：一是認知上的不足；二是方法上的不足。這正是本書要解決的問題。本書不僅讓讀者會用ChatGPT，更嘗試讓讀者意識到自己需要構建一個完整的學習體系，同時本書提供構建這個學習體系的方法。有了這個學習體系，才能真正用好ChatGPT

本書全面審視了人工智能(A)的起源、發(fā)展歷程及其在當代社會中的深遠影響。作為一項關鍵的賦能型技術，AI在計算機網(wǎng)絡、網(wǎng)絡安全、協(xié)作技術、物聯(lián)網(wǎng)、云計算、量子計算、邊緣計算、無人駕駛等多個前沿技術領域中發(fā)揮著核心作用，推動著前沿技術的革新和千行萬業(yè)的數(shù)字化轉(zhuǎn)型。本書旨在為讀者提供一個獨特的視角看待AI，幫助讀者理解AI的

本書致力于探索如何在大規(guī)模深度學習模型訓練中，最大限度地提高性能和優(yōu)化顯存使用。本書面向深度學習從業(yè)者，尤其是希望深入了解并提升模型訓練效率的工程師與研究人員。隨著深度學習模型和數(shù)據(jù)規(guī)模的迅速增長，如何高效利用硬件資源，減少訓練時間，成為當前AI系統(tǒng)工程的關鍵挑戰(zhàn)。本書從硬件和軟件的基礎知識入手，逐步引導讀者理解和掌握

這是一部從技術原理、行業(yè)應用、商業(yè)價值、投資創(chuàng)業(yè)、發(fā)展趨勢5個維度講解AIAgent的著作，具有科普書和商業(yè)書的雙重屬性。本書首先詳細介紹了AIAgent的技術路徑及其在11大領域的應用，豐富的應用案例可以幫助讀者深度理解AIAgent產(chǎn)品形態(tài)與服務方式；然后深入探討了AIAgent的商業(yè)價值與商業(yè)生態(tài)，并對AIAge

近年來人工智能特別是深度學習技術得到了飛速發(fā)展，這背后離不開計算機硬件和軟件系統(tǒng)的不斷進步。在可見的未來，人工智能技術的發(fā)展仍將依賴于計算機系統(tǒng)和人工智能相結合的共同創(chuàng)新模式。本書介紹了前沿的系統(tǒng)和人工智能相結合的研究工作，包括AIforSystems和SystemsforAI，以幫助讀者更好地尋找和定義有意義的研究問