語(yǔ)言智能處理一直是人工智能領(lǐng)域的重要研究方向之一。本書(shū)按照研究歷程與現(xiàn)狀、關(guān)鍵技術(shù)與方法、發(fā)展趨勢(shì)與展望的基本脈絡(luò)，重點(diǎn)介紹了語(yǔ)言智能處理中的語(yǔ)言模型與知識(shí)表示、語(yǔ)言分析技術(shù)、語(yǔ)言情感分類(lèi)、自然語(yǔ)言生成技術(shù)、自動(dòng)問(wèn)答與人機(jī)對(duì)話、機(jī)器翻譯、信息檢索與信息推薦等主題。本書(shū)所描述的內(nèi)容涉及人們?nèi)粘Ｉ�活中的真�?shí)應(yīng)用場(chǎng)景，理論與

據(jù)聯(lián)合國(guó)預(yù)測(cè)，2050年全球?qū)⑦_(dá)到100億人口。本書(shū)認(rèn)為，地球養(yǎng)活100億人口是一個(gè)巨大的挑戰(zhàn)，人類(lèi)將面臨“FEW”困境。“FEW”是食物(Food)、能源(Energy)、水(Water)三個(gè)英文單詞的首字母縮寫(xiě)，是人類(lèi)生存與發(fā)展不可或缺的基礎(chǔ)性資源。然而，隨著地球上人口的增長(zhǎng)，食物安全、淡水資源短缺、化石能源枯竭等

類(lèi)腦人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人腦智能的理論、方法及應(yīng)用的技術(shù)科學(xué)，將類(lèi)腦人工智能技術(shù)應(yīng)用于目標(biāo)檢測(cè)與跟蹤，可大幅提升復(fù)雜背景、干擾條件下的目標(biāo)檢測(cè)概率及跟蹤精度，具有重要而廣泛的應(yīng)用前景。本書(shū)系統(tǒng)闡述了人腦視覺(jué)信息處理機(jī)制的基本原理、主要特性、數(shù)學(xué)建模及算法設(shè)計(jì)等。同時(shí)，結(jié)合深度神經(jīng)網(wǎng)絡(luò)（DNN）、類(lèi)腦

增強(qiáng)現(xiàn)實(shí)（AR）作為虛擬現(xiàn)實(shí)的一個(gè)技術(shù)延伸，是虛擬與現(xiàn)實(shí)的連接入口，是一種實(shí)時(shí)計(jì)算攝像機(jī)捕捉到的現(xiàn)實(shí)影像的位置及角度并加上相應(yīng)虛擬信息的技術(shù)。伴隨著AR技術(shù)迅速發(fā)展的是其3D實(shí)感攝像設(shè)備的快速更新。將這些3D實(shí)感攝像設(shè)備結(jié)合物聯(lián)網(wǎng)技術(shù)可廣泛應(yīng)用于導(dǎo)航與定位、遠(yuǎn)程醫(yī)療、智能家居控制等多種領(lǐng)域。本書(shū)從系統(tǒng)設(shè)計(jì)的角度出發(fā)，由

本書(shū)采用技術(shù)分析與場(chǎng)景描述相結(jié)合的模式，圍繞物聯(lián)網(wǎng)體系結(jié)構(gòu)、關(guān)鍵技術(shù)和安全防控等方面進(jìn)行系統(tǒng)的介紹。本書(shū)主要包括物聯(lián)網(wǎng)概述、物聯(lián)網(wǎng)基礎(chǔ)知識(shí)、物聯(lián)網(wǎng)數(shù)據(jù)服務(wù)、場(chǎng)景角度的IoT安全、技術(shù)角度的IoT安全、物聯(lián)網(wǎng)流量安全、區(qū)塊鏈與物聯(lián)網(wǎng)安全七部分內(nèi)容。

本書(shū)從神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)講起，逐步深入到Python進(jìn)階實(shí)戰(zhàn)，通過(guò)對(duì)各種實(shí)用的第三方庫(kù)進(jìn)行詳細(xì)講解與實(shí)戰(zhàn)運(yùn)用，讓讀者不但能夠更加深入地了解神經(jīng)網(wǎng)絡(luò)，而且能夠簡(jiǎn)單高效地搭建自己的神經(jīng)網(wǎng)絡(luò)，即使沒(méi)有專(zhuān)業(yè)背景知識(shí)也能輕松入門(mén)神經(jīng)網(wǎng)絡(luò)。 本書(shū)分為11章，涵蓋的主要內(nèi)容有神經(jīng)網(wǎng)絡(luò)概述，神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)，計(jì)算機(jī)程序的特點(diǎn)，神經(jīng)網(wǎng)絡(luò)

本書(shū)全面系統(tǒng)地講解了深度學(xué)習(xí)相關(guān)的知識(shí)。全書(shū)共8章，內(nèi)容包括深度學(xué)習(xí)簡(jiǎn)介及TensorFlow安裝，神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)的TensorFlow實(shí)現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（上）、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（下）、深度學(xué)習(xí)用于文本序列和深度學(xué)習(xí)實(shí)驗(yàn)項(xiàng)目等內(nèi)容。 本書(shū)以知識(shí)體系為基礎(chǔ)，以課堂案例為載體，采取理論與實(shí)踐相

本書(shū)共11章，主要介紹機(jī)器學(xué)習(xí)的基本概念和兩大類(lèi)常用的機(jī)器學(xué)習(xí)模型，即監(jiān)督學(xué)習(xí)模型和非監(jiān)督學(xué)習(xí)模型。針對(duì)監(jiān)督學(xué)習(xí)模型，本書(shū)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(lèi)器、決策樹(shù)）、集成學(xué)習(xí)模型和神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練；針對(duì)非監(jiān)督學(xué)習(xí)模型，本書(shū)講解了常用的降維技術(shù)（線性降維技術(shù)與非線性降

本書(shū)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(gè)以研發(fā)底層技術(shù)為核心競(jìng)爭(zhēng)力的企業(yè)的產(chǎn)品，詳細(xì)介紹了它們的實(shí)現(xiàn)思路以及現(xiàn)階段應(yīng)用。行業(yè)應(yīng)用篇共有24個(gè)案例，主要匯集了人工智能技術(shù)與實(shí)體經(jīng)濟(jì)結(jié)合的應(yīng)用案例，重點(diǎn)關(guān)注人工智能技術(shù)的應(yīng)用場(chǎng)景

全書(shū)首先概要介紹了傳統(tǒng)語(yǔ)音識(shí)別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語(yǔ)音識(shí)別中的應(yīng)用，包括"深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進(jìn)深度學(xué)習(xí)技術(shù)。