PyTorch是基于Torch庫(kù)的開源機(jī)器學(xué)習(xí)庫(kù)，它主要由Meta（原Facebook）的人工智能研究實(shí)驗(yàn)室開發(fā)，在自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)領(lǐng)域都具有廣泛的應(yīng)用。本書介紹了簡(jiǎn)單且經(jīng)典的入門項(xiàng)目，方便快速上手，如MNIST數(shù)字識(shí)別，讀者在完成項(xiàng)目的過(guò)程中可以了解數(shù)據(jù)集、模型和訓(xùn)練等基礎(chǔ)概念。本書還介紹了一些實(shí)用且經(jīng)典的模

本書從貝葉斯理論的基本原理講起，逐步深入算法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，并配合項(xiàng)目案例，重點(diǎn)介紹了基于貝葉斯理論的算法原理，及其在機(jī)器學(xué)習(xí)中的應(yīng)用。 本書分為10章，涵蓋了貝葉斯概率、概率估計(jì)、貝葉斯分類、隨機(jī)場(chǎng)、參數(shù)估計(jì)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)、貝葉斯深度學(xué)習(xí)等。本書涉及的應(yīng)用領(lǐng)域包含機(jī)器學(xué)習(xí)、圖

本書全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實(shí)踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語(yǔ)融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實(shí)踐相結(jié)合。全書分7個(gè)部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)和行動(dòng)，公平、信任、

本書系統(tǒng)介紹了5G物聯(lián)網(wǎng)端管云協(xié)同設(shè)計(jì)理念，主要內(nèi)容包括基于STM32單片機(jī)的感知終端開發(fā)、基于5GNB-IoT和NR的感知數(shù)據(jù)處理與傳輸、采用公有云和自建云的物聯(lián)數(shù)據(jù)存儲(chǔ)與Grafana可視化平臺(tái)，最后通過(guò)4個(gè)典型的物聯(lián)網(wǎng)綜合應(yīng)用和兩個(gè)物聯(lián)網(wǎng)競(jìng)賽獲獎(jiǎng)實(shí)戰(zhàn)案例，助力讀者掌握面向端管云協(xié)同設(shè)計(jì)的物聯(lián)網(wǎng)應(yīng)用項(xiàng)目開發(fā)。為提高

本書全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實(shí)踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語(yǔ)融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實(shí)踐相結(jié)合。全書分7個(gè)部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)和行動(dòng)，公平、信任、

機(jī)器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書涵蓋了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)，主要包括機(jī)器學(xué)習(xí)的概述、統(tǒng)計(jì)學(xué)基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、文本分析、分布式機(jī)器學(xué)習(xí)算法等經(jīng)典的機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，還包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、目標(biāo)檢測(cè)、自編碼器等深度學(xué)習(xí)的內(nèi)容。此外，

本書的寫作初衷是，從學(xué)者的角度，用一種通俗易懂的方式，將基于深度學(xué)習(xí)的目標(biāo)檢測(cè)的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時(shí)針對(duì)作者在深度學(xué)習(xí)教學(xué)過(guò)程中遇到的難點(diǎn)，進(jìn)行深入的分析和講解。本書側(cè)重對(duì)卷積神經(jīng)網(wǎng)絡(luò)的介紹，而深度學(xué)習(xí)的內(nèi)容不止于此。所以，作者將深度學(xué)習(xí)分為有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)三類，將圖像分類、目標(biāo)檢測(cè)、

本書致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場(chǎng)景方方面面的內(nèi)容。全書分為四部分：第一部分介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡(luò)成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡(luò)典型的前沿領(lǐng)域；第四部分描述可能對(duì)圖神經(jīng)網(wǎng)絡(luò)未來(lái)研

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)是人工智能研究的重要領(lǐng)域，是機(jī)器學(xué)習(xí)的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的科學(xué)。本書緊緊圍繞神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)體系進(jìn)行系統(tǒng)的梳理，力求從基礎(chǔ)理論、經(jīng)典模型和前沿應(yīng)用展開論述，便于讀者能夠較為全面地掌握深度學(xué)習(xí)的相關(guān)知識(shí)。全書共16章。第1章是緒論，簡(jiǎn)要介紹人工智

本書通過(guò)扎實(shí)、詳細(xì)的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對(duì)深度學(xué)習(xí)算法進(jìn)行分析和介紹。本書共三篇，第一篇主要介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)方向的一些卷積神經(jīng)網(wǎng)絡(luò)，從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級(jí)CNN、模型架構(gòu)搜索3個(gè)方向展開，介紹計(jì)算機(jī)視覺(jué)方向的里程碑算法；第二篇主要介紹深度學(xué)習(xí)在自然語(yǔ)言處理方向的重要突破，包括基