pg电子麻将胡了链接

本書使用受現(xiàn)實(shí)世界商業(yè)和行業(yè)問題啟發(fā)的實(shí)際示例來講授強(qiáng)化學(xué)習(xí)技術(shù)的相關(guān)知識。本書分為四部分：第一部分涵蓋強(qiáng)化學(xué)習(xí)的必要背景，包括定義、數(shù)學(xué)基礎(chǔ)和強(qiáng)化學(xué)習(xí)解決方案的概述；第二部分深入介紹最先進(jìn)的強(qiáng)化學(xué)習(xí)算法（規(guī)模化的深度Q-學(xué)習(xí)、基于策略的方法、基于模型的方法、多智能體強(qiáng)化學(xué)習(xí)等），包括每種算法的優(yōu)缺點(diǎn)；第三部分介紹強(qiáng)化學(xué)習(xí)中的高級技術(shù)，包括機(jī)器教學(xué)、泛化和域隨機(jī)化、元強(qiáng)化學(xué)習(xí)等主題，還涵蓋強(qiáng)化學(xué)習(xí)中有助于改進(jìn)模型的各種高級主題；第四部分講解強(qiáng)化學(xué)習(xí)的各種應(yīng)用，例如自主系統(tǒng)、供應(yīng)鏈管理、營銷和金融、智慧城市與網(wǎng)絡(luò)安全等，并討論強(qiáng)化學(xué)習(xí)領(lǐng)域的一些挑戰(zhàn)及未來方向。學(xué)完本書，你將掌握如何訓(xùn)練和部署自己的強(qiáng)化學(xué)習(xí)智能體來解決強(qiáng)化學(xué)習(xí)問題。

·19.5萬字

會員

虛擬偶像AI實(shí)現(xiàn)

本書從虛擬偶像的發(fā)展歷程和制作流程入手，通過通俗的語言和多方位的視角，介紹了2D\3D建模工具和深度學(xué)習(xí)框架TensorFlow與Pytorch在虛擬偶像制作中的應(yīng)用，原理與實(shí)踐并重，同時結(jié)合大量實(shí)際范例講解如何建模、AI表情動作遷移以及人機(jī)交互等制作虛擬偶像的完整流程。從擬真人的人物建模到表情動作的實(shí)時捕捉，再到傳輸?shù)絼幼饕嬷序?qū)動人物動作，向讀者展現(xiàn)了人工智能技術(shù)的強(qiáng)大與魅力。本書深入淺出，實(shí)操性和系統(tǒng)性強(qiáng)，適合有一定IT背景并對虛擬產(chǎn)業(yè)關(guān)注的廣大讀者使用。

·5.4萬字

會員

人工智能硬件電路設(shè)計基礎(chǔ)及應(yīng)用

本書針對人工智能硬件電路設(shè)計基礎(chǔ)、著重介紹硬件電路相關(guān)的設(shè)計知識及SoC設(shè)計開發(fā)過程中數(shù)字前端知識，包括VHDL技術(shù)、Verilog技術(shù)及HLS技術(shù)。同時將開發(fā)SoC中常用的模塊作為應(yīng)用實(shí)例進(jìn)行詳細(xì)講解。VHDL技術(shù)部分詳細(xì)介紹了VHDL語言的背景知識、基本語法結(jié)構(gòu)和VHDL代碼的編寫方法。另外，該部分還加入了基礎(chǔ)電路和簡單系統(tǒng)的設(shè)計實(shí)例，以及設(shè)計共享的內(nèi)容，以便進(jìn)行代碼的分割、共享和重用。Verilog技術(shù)部分詳細(xì)介紹了與VHDL技術(shù)部分相對應(yīng)的內(nèi)容，以便讀者對照學(xué)習(xí)。在此基礎(chǔ)上，本書還給出了一些應(yīng)用實(shí)例，為讀者深入研究SoC設(shè)計開發(fā)提供了具體的系統(tǒng)電路設(shè)計和驗(yàn)證結(jié)果。本書還在附錄詳細(xì)介紹了Xilinx和AlteraFPGA軟件環(huán)境下的操作步驟，以及在遠(yuǎn)程服務(wù)器環(huán)境中使用以上環(huán)境的操作步驟。同時附上書中涉及的所有代碼，方便讀者進(jìn)行復(fù)現(xiàn)和二次開發(fā)。

·9.7萬字

會員

人工智能與人機(jī)博弈（物聯(lián)網(wǎng)在中國）

人工智能技術(shù)在20世紀(jì)50年代誕生，是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門綜合性技術(shù)科學(xué)。人工智能技術(shù)的發(fā)展經(jīng)歷過數(shù)次起伏，在螺旋式上升中不斷取得新的突破。人機(jī)博弈是人工智能領(lǐng)域的一個重要分支。近20年來，出現(xiàn)了多次可以稱之為里程碑式的“人機(jī)大戰(zhàn)”。本書從人機(jī)博弈幾次里程碑式的事件切入，對技術(shù)發(fā)展進(jìn)程中的重要人物、節(jié)點(diǎn)和技術(shù)突破進(jìn)行詳細(xì)介紹，從中梳理出人工智能研究方法論的演進(jìn)，并對人工智能技術(shù)未來發(fā)展方向提出展望

·14.3萬字

會員

深入淺出圖神經(jīng)網(wǎng)絡(luò)：GNN原理解析

這是一本從原理、算法、實(shí)現(xiàn)、應(yīng)用4個維度詳細(xì)講解圖神經(jīng)網(wǎng)絡(luò)的著作，在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域具有重大的意義。本書作者是圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的資深技術(shù)專家，作者所在的公司極驗(yàn)也是該領(lǐng)域的領(lǐng)先者。本書是作者和極驗(yàn)多年研究和實(shí)踐經(jīng)驗(yàn)的總結(jié)，內(nèi)容系統(tǒng)、扎實(shí)、深入淺出，得到了白翔、俞棟等幾位來自學(xué)術(shù)界和企業(yè)界的領(lǐng)軍人物的高度評價和強(qiáng)烈推薦。全書共10章：第1～4章全面介紹了圖、圖數(shù)據(jù)、卷積神經(jīng)網(wǎng)絡(luò)以及表示學(xué)習(xí)等基礎(chǔ)知識，是閱讀本書的預(yù)備知識；第5～6章從理論的角度出發(fā)，講解了圖信號處理和圖卷積神經(jīng)網(wǎng)絡(luò)，深入剖析了圖卷積神經(jīng)網(wǎng)絡(luò)的性質(zhì)，并提供了GCN實(shí)現(xiàn)節(jié)點(diǎn)分類的實(shí)例。第7～9章全面的講解了圖神經(jīng)網(wǎng)絡(luò)的各種變體及范式、圖分類機(jī)制及其實(shí)踐，以及基于GNN的圖表示學(xué)習(xí)；第10章介紹了圖神經(jīng)網(wǎng)絡(luò)的最新研究和應(yīng)用。

·8.9萬字

AI醫(yī)學(xué)圖像處理（基于Python語言的Dragonfly）

這是一本“將人工智能技術(shù)運(yùn)用于醫(yī)學(xué)案例，利用先進(jìn)技術(shù)解決臨床問題”的圖書。本書使用三維圖像專業(yè)處理軟件Dragonfly（基于Python語言，封裝了多個機(jī)器學(xué)習(xí)庫）作為具體的實(shí)現(xiàn)工具。本書介紹了人工智能與醫(yī)療的介紹、醫(yī)療領(lǐng)域中的圖像處理、醫(yī)學(xué)圖像處理的常規(guī)流程等內(nèi)容，并通過6個真實(shí)的醫(yī)學(xué)案例展現(xiàn)人工智能技術(shù)在醫(yī)學(xué)圖像學(xué)領(lǐng)域的應(yīng)用，從醫(yī)工交叉的角度出發(fā)，深入探討醫(yī)學(xué)圖像問題的處理方法，旨在讓讀者了解如何將人工智能技術(shù)切實(shí)落地于醫(yī)學(xué)圖像學(xué)中，幫助其提升運(yùn)用人工智能技術(shù)處理醫(yī)學(xué)圖像問題的能力。

·6.9萬字

會員

城堡里學(xué)無人機(jī)：原理、系統(tǒng)與實(shí)現(xiàn)

《城堡里學(xué)無人機(jī)：原理、系統(tǒng)與實(shí)現(xiàn)》是一本關(guān)于無人機(jī)概念、原理、系統(tǒng)與實(shí)現(xiàn)的參考書，共分三篇，七個章節(jié)。主要內(nèi)容有：無人機(jī)的故事、無人機(jī)的類型和控制方式、無人機(jī)的軟硬件系統(tǒng)、無人機(jī)行業(yè)應(yīng)用、以及學(xué)習(xí)無人機(jī)所需的基礎(chǔ)技能和各種共享資源等相關(guān)知識。本書著重闡釋了無人機(jī)行業(yè)、市場、讀者職業(yè)三者之間的相互關(guān)系，并結(jié)合無人機(jī)實(shí)際應(yīng)用和制作指導(dǎo)為讀者提供進(jìn)入無人機(jī)領(lǐng)域的各項(xiàng)知識，將實(shí)用性、趣味性、理論性充分融合，可以幫助讀者盡快跨入無人機(jī)的世界。《城堡里學(xué)無人機(jī)：原理、系統(tǒng)與實(shí)現(xiàn)》的主要讀者是無人機(jī)領(lǐng)域的愛好者、從業(yè)者和其他行業(yè)的無人機(jī)應(yīng)用者或有意應(yīng)用無人機(jī)的那些讀者，相關(guān)院校和專業(yè)的師生也可將此書當(dāng)作培訓(xùn)教材或輔導(dǎo)教材使用。

·10.2萬字

會員

寫好論文：思維模型與AI輔助應(yīng)用

《寫好論文：思維模型與AI輔助應(yīng)用》創(chuàng)新性地將學(xué)術(shù)寫作的思維模型與AI輔助工具相結(jié)合，為讀者提供了一套全新且實(shí)用的學(xué)術(shù)寫作方法，旨在助力讀者提高學(xué)術(shù)寫作的質(zhì)量和水平。《寫好論文：思維模型與AI輔助應(yīng)用》共9章，每章都聚焦一個特定的思維模型。這些模型包括“頂天立地加兩翼”結(jié)構(gòu)模型、選擇和確定研究單位的三角模型、OBTQP研究問題模型、細(xì)化研究維度的思維羅盤模型、推導(dǎo)文獻(xiàn)綜述“GAP”的破界創(chuàng)新模型、匹配研究理論的勾連信號模型、適配研究方法的畫布模型、非共識研究觀點(diǎn)模型和深入解決問題的U型思維模型。對于每個模型，書中都有詳細(xì)的背景介紹、拆解步驟、應(yīng)用方法和案例分析，確保讀者能夠全方位地理解并實(shí)際應(yīng)用這些模型，從而真正掌握學(xué)術(shù)寫作的思維精髓和實(shí)踐要訣。《寫好論文：思維模型與AI輔助應(yīng)用》適合學(xué)術(shù)研究人員、研究生、博士生等需要撰寫學(xué)術(shù)論文的人閱讀，也適合對學(xué)術(shù)研究感興趣、希望深入了解其思維方式和研究方法的讀者閱讀。

·13.8萬字

會員

AIGC從入門到實(shí)戰(zhàn)：ChatGPT+Midjourney+Stable Diffusion+行業(yè)應(yīng)用

本書旨在探討AIGC的發(fā)展歷程、應(yīng)用范圍及其對社會和個人的影響，從而幫助讀者深入了解并應(yīng)用人工智能技術(shù)。本書共分為8章。第1章介紹了ChatGPT和AIGC的發(fā)展歷史，以及核心技術(shù)的演進(jìn)與應(yīng)用。第2章詳細(xì)探討了ChatGPT的特點(diǎn)、功能，以及它在文科和理科領(lǐng)域的應(yīng)用。第3章深入介紹了ChatGPT及其他AIGC對個人的賦能，包括原理、成本、應(yīng)用場景、高質(zhì)量答案的提問技巧，以及如何利用ChatGPT進(jìn)行編程。此部分還提到了AIGC時代下的職業(yè)規(guī)劃。第4章重點(diǎn)介紹了AIGC在創(chuàng)意領(lǐng)域的應(yīng)用，特別是Midjourney工具的使用。第5章講解了如何使用AIGC技術(shù)來創(chuàng)建數(shù)字人分身，使他們能夠說話、唱歌，甚至成為主播。第6章強(qiáng)調(diào)了AIGC如何賦能職場，包括輔助設(shè)計、思維導(dǎo)圖生成、文本創(chuàng)作、市場調(diào)研與策劃、短視頻創(chuàng)作，以及辦公軟件使用。第7章介紹了AIGC在不同行業(yè)和領(lǐng)域的創(chuàng)新場景，包括電商、傳媒、金融、教育行業(yè)，以及工業(yè)領(lǐng)域等。第8章介紹了如何有效應(yīng)對AI革命。書末還推薦了許多AIGC相關(guān)的資源。

·7.2萬字

會員

深度學(xué)習(xí)進(jìn)階：自然語言處理

《深度學(xué)習(xí)進(jìn)階：自然語言處理》是《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》的續(xù)作，圍繞自然語言處理和時序數(shù)據(jù)處理，介紹深度學(xué)習(xí)中的重要技術(shù)，包括word2vec、RNN、LSTM、GRU、seq2seq和Attention等。本書語言平實(shí)，結(jié)合大量示意圖和Python代碼，按照“提出問題”“思考解決問題的新方法”“加以改善”的流程，基于深度學(xué)習(xí)解決自然語言處理相關(guān)的各種問題，使讀者在此過程中更深入地理解深度學(xué)習(xí)中的重要技術(shù)。

·13.3萬字

會員

生成式AI入門與AWS實(shí)戰(zhàn)

本書是專注于如何在AWS上開發(fā)和應(yīng)用生成式AI的實(shí)用指南，旨在為技術(shù)領(lǐng)導(dǎo)者、機(jī)器學(xué)習(xí)實(shí)踐者、應(yīng)用開發(fā)者等提供深入了解和應(yīng)用生成式AI的策略與方法。本書首先介紹了生成式AI的概念及其在產(chǎn)品和服務(wù)中的應(yīng)用潛力，然后詳細(xì)闡述了生成式AI項(xiàng)目的完整生命周期。作者探討了多種模型類型，如大語言模型和多模態(tài)模型，并提供了通過提示工程和上下文學(xué)習(xí)來優(yōu)化這些模型的實(shí)際技巧。此外，本書討論了如何使用LoRA技術(shù)對模型進(jìn)行微調(diào)，以及如何通過RLHF使模型與人類價值觀對齊。書中還介紹了RAG技術(shù)，以及如何利用LangChain和ReAct等開發(fā)agent。最后，本書介紹了如何使用AmazonBedrock構(gòu)建基于生成式AI的應(yīng)用程序。基于該強(qiáng)大的平臺，讀者可以實(shí)現(xiàn)自己的創(chuàng)新想法。本書適合對生成式AI感興趣的學(xué)生和研究人員、在AWS上開發(fā)AI應(yīng)用程序的軟件開發(fā)人員和數(shù)據(jù)科學(xué)家、尋求利用AI技術(shù)優(yōu)化業(yè)務(wù)流程的企業(yè)決策者以及對技術(shù)趨勢保持好奇心的科技愛好者閱讀。

·10.8萬字

會員

圖分析與圖機(jī)器學(xué)習(xí)：原理、算法與實(shí)踐

本書向數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師、架構(gòu)師和業(yè)務(wù)分析師展示了如何使用領(lǐng)先的圖數(shù)據(jù)庫模型TigerGraph，目標(biāo)是向讀者介紹圖數(shù)據(jù)結(jié)構(gòu)、圖分析和圖機(jī)器學(xué)習(xí)的概念、技術(shù)和工具。三位作者介紹了涵蓋多種當(dāng)代業(yè)務(wù)需求的真實(shí)使用案例。讀者將探索從互聯(lián)數(shù)據(jù)中獲取價值的三階段方法：連接、分析和學(xué)習(xí)。幾乎每章的開頭都列出了對應(yīng)的三個方面的目標(biāo)：學(xué)習(xí)圖分析和機(jī)器學(xué)習(xí)的概念；用圖分析解決特定問題；了解如何使用GSQL查詢語言和TigerGraph圖平臺。

·12.5萬字

會員

從深度學(xué)習(xí)到圖神經(jīng)網(wǎng)絡(luò)：模型與實(shí)踐

近年來，深度學(xué)習(xí)在人工智能的發(fā)展過程中起到了舉足輕重的作用，而圖神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的一個新興方向，被稱為圖上的深度學(xué)習(xí)。本書詳細(xì)介紹了從深度學(xué)習(xí)到圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念和前沿技術(shù)，包括圖上的深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與算法優(yōu)化、深度學(xué)習(xí)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)中的表示學(xué)習(xí)、面向圖數(shù)據(jù)的嵌入表示、初代圖神經(jīng)網(wǎng)絡(luò)、空域及譜域圖卷積神經(jīng)網(wǎng)絡(luò)等內(nèi)容。為增強(qiáng)可讀性，本書敘述清晰、內(nèi)容深入淺出、圖文并茂，力求降低初學(xué)者的學(xué)習(xí)難度。本書既可作為人工智能領(lǐng)域研究和開發(fā)人員的技術(shù)參考書，也可作為對圖上的深度學(xué)習(xí)感興趣的高年級本科生和研究生的入門書。

·17.1萬字

會員

深度學(xué)習(xí)實(shí)戰(zhàn)：基于TensorFlow 2和Keras（原書第2版）

本書簡潔地介紹了現(xiàn)代神經(jīng)網(wǎng)絡(luò)、人工智能和深度學(xué)習(xí)技術(shù)，專門為軟件工程師和數(shù)據(jù)科學(xué)家設(shè)計。第1章逐步介紹神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識。第2章比較TensorFlow1.x和TensorFlow2.0編程模型。第3章重點(diǎn)介紹回歸。第4章介紹卷積神經(jīng)網(wǎng)絡(luò)及其在圖像處理中的應(yīng)用。第5章討論了CNN在圖像、視頻、音頻和文本處理方面的高級應(yīng)用。第6章重點(diǎn)介紹生成對抗網(wǎng)絡(luò)。第7章介紹詞嵌入。第8章介紹基本嵌入方法的各種擴(kuò)展。第9章介紹自動編碼器。第10章深入研究無監(jiān)督學(xué)習(xí)模型。第11章重點(diǎn)介紹強(qiáng)化學(xué)習(xí)。第12章介紹AutoML。第13章介紹用于移動設(shè)備和物聯(lián)網(wǎng)的TensorFlow的基礎(chǔ)知識。第14章討論了云環(huán)境以及如何利用它來訓(xùn)練和部署模型。第15章討論了深度學(xué)習(xí)背后的數(shù)學(xué)。第16章介紹TPU。本書內(nèi)容豐富，易于理解，示例具有代表性，是學(xué)習(xí)深度學(xué)習(xí)的絕佳指南。

·17.9萬字

會員

MLOps權(quán)威指南

本書前幾章涵蓋了DevOps和MLOps的理論和實(shí)踐，然后介紹了如何設(shè)置持續(xù)集成和持續(xù)交付，接著介紹Kaizen，即對所有事物進(jìn)行持續(xù)改進(jìn)的想法。與云計算相關(guān)的MLOps分為三章，涵蓋AWS、Azure和GCP（谷歌云平臺）。之后介紹了機(jī)器學(xué)習(xí)互操作性、構(gòu)建MLOps命令行工具和微服務(wù)。這些主題包括許多具有積極吸引力的尖端新興技術(shù)。結(jié)尾介紹了一些真實(shí)案例研究，以及執(zhí)行MLOps時面臨的挑戰(zhàn)。

·17.2萬字

會員

機(jī)器學(xué)習(xí)基礎(chǔ)：從入門到求職

本書是一本機(jī)器學(xué)習(xí)算法方面的理論+實(shí)踐讀物，主要包含機(jī)器學(xué)習(xí)基礎(chǔ)理論、回歸模型、分類模型、聚類模型、降維模型和深度學(xué)習(xí)模型六大部分。機(jī)器學(xué)習(xí)基礎(chǔ)理論部分包含第1、2章，主要介紹機(jī)器學(xué)習(xí)的理論基礎(chǔ)和工程實(shí)踐基礎(chǔ)。第3章是回歸模型部分，主要包括模型的建立、學(xué)習(xí)策略的確定和優(yōu)化算法的求解過程，最后結(jié)合三種常見的線性回歸模型實(shí)現(xiàn)了一個房價預(yù)測的案例。第4至11章詳細(xì)介紹了幾種常見的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機(jī)模型、隨機(jī)森林模型、AdaBoost模型和提升樹模型，每一個模型都給出了較為詳細(xì)的推導(dǎo)過程和實(shí)際應(yīng)用案例。第12章系統(tǒng)介紹了五種常見的聚類模型，包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類，每一個模型的原理、優(yōu)缺點(diǎn)和工程應(yīng)用實(shí)踐都給出了較為詳細(xì)的說明。第13章系統(tǒng)介紹了四種常用的降維方式，包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入，同樣給出了詳細(xì)的理論推導(dǎo)和分析。最后兩章分別是詞向量模型和深度神經(jīng)網(wǎng)絡(luò)模型，其中，詞向量模型詳細(xì)介紹了Word2Vec和Doc2Vec模型的原理推導(dǎo)和應(yīng)用；深度神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)介紹了深度學(xué)習(xí)相關(guān)的各類基礎(chǔ)知識。

·12.3萬字

會員

TensorFlow機(jī)器學(xué)習(xí)（原書第2版）

這是一本TensorFlow機(jī)器學(xué)習(xí)入門教程，書中通過大量實(shí)例，以淺顯易懂、循序漸進(jìn)的方式詳細(xì)闡釋使用Python和TensorFlow構(gòu)建機(jī)器學(xué)習(xí)模型的核心技術(shù)與方法。本書既涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)理論，又介紹了如何將機(jī)器學(xué)習(xí)核心概念應(yīng)用于現(xiàn)實(shí)世界的挑戰(zhàn)（例如，情感分析、文本分類和圖像識別）中，并通過實(shí)例展示了用于深度語音處理、面部識別以及使用CIFAR-10的自編碼器的神經(jīng)網(wǎng)絡(luò)技術(shù)。全書共分為三部分。第一部分（第1～2章）討論機(jī)器學(xué)習(xí)的基本原理及其當(dāng)前被大規(guī)模應(yīng)用的原因；第二部分（第3～10章）通過大量實(shí)例詳細(xì)介紹回歸算法和分類算法，涵蓋回歸、分類、無監(jiān)督聚類和隱馬爾可夫模型（HMM）等技術(shù)及應(yīng)用；第三部分（第11～19章）主要介紹神經(jīng)網(wǎng)絡(luò)及其應(yīng)用，涵蓋使用隱藏層的自編碼器壓縮和表示輸入、用于自動分類圖像和面部識別的卷積神經(jīng)網(wǎng)絡(luò)（CNN）、用于時間序列數(shù)據(jù)或語音轉(zhuǎn)文本的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），以及seq2seqRNN架構(gòu)等內(nèi)容。通過閱讀本書，你將能夠：使用TensorFlow進(jìn)行機(jī)器學(xué)習(xí)選擇最佳的機(jī)器學(xué)習(xí)方法使用TensorBoard可視化算法與合作伙伴共享結(jié)果在Docker中運(yùn)行模型

·16.8萬字

會員

傳感器技術(shù)及應(yīng)用

本書既詳細(xì)闡述了各類傳感器的基本原理、工作特性，又著重分析了其接口電路的設(shè)計原理和工程應(yīng)用實(shí)例。全書共12章，第1、2章介紹傳感器的概念、分類及基本特性；第3～11章分別講述電阻式、電感式、電容式、壓電式、磁電及磁敏式、熱電偶、超聲波、光電式、數(shù)字式、固態(tài)圖像、紅外、光纖、集成式傳感器的工作原理、性能、接口電路和實(shí)際應(yīng)用。第12章介紹傳感器的典型應(yīng)用實(shí)例。

·19.5萬字

會員

移動終端人工智能技術(shù)與應(yīng)用開發(fā)

本書適合那些對人工智能感興趣，且具備一定移動終端應(yīng)用程序開發(fā)經(jīng)驗(yàn)的讀者。如果您掌握一定的JAVA、C++或Python語言開發(fā)知識，同時具備Android操作系統(tǒng)或IOS操作系統(tǒng)的應(yīng)用的開發(fā)經(jīng)驗(yàn)，將能迅速掌握基本的移動終端人工智能應(yīng)用開發(fā)方法。如果您只是對人工智能技術(shù)感興趣，相信本書也能帶您了解人工智能技術(shù)是如何在移動終端上部署和運(yùn)行的。

·15.1萬字

會員

生成對抗網(wǎng)絡(luò)GAN：原理與實(shí)踐

這是一本系統(tǒng)講解GAN理論、模型、常見問題，并為視覺和語音領(lǐng)域的大部分應(yīng)用場景提供GAN解決方案和綜合實(shí)例的著作。作者在人工智能領(lǐng)域積累頗深，這本書得到了前阿里巴巴達(dá)摩院華先勝和中國科學(xué)院自動化所劉成林的推薦。前4章有針對性地講解GAN的理論，幫助讀者夯實(shí)基礎(chǔ)；后8章講解應(yīng)用，用大量經(jīng)典的模型和9個案例，為8個應(yīng)用場景提供了GAN解決方案。第1~4章首先介紹了無監(jiān)督生成模型、顯式生成模型、以GAN為代表的隱式生成模型等各種生成模型的理論和原理；然后講解了GAN中的目標(biāo)函數(shù)及其數(shù)學(xué)原理、GAN在訓(xùn)練中的常見問題和相應(yīng)解決方案、GAN的評價指標(biāo)和可視化等；第5~12章分別講解了圖像生成GAN的各類模型與應(yīng)用、圖像翻譯GAN的各類模型與應(yīng)用、人臉圖像編輯GAN的各類模型與應(yīng)用、圖像質(zhì)量增強(qiáng)GAN的各類模型與應(yīng)用、三維圖片與視頻生成GAN的各類模型與應(yīng)用、通用的圖像編輯GAN框架、對抗攻擊以及GAN在其中的應(yīng)用、GAN在語音信號處理中的實(shí)戰(zhàn)應(yīng)用。全書內(nèi)容理論體系完善，GAN的目標(biāo)優(yōu)化、訓(xùn)練、評估等內(nèi)容同類書中極少提及；內(nèi)容豐富、循序漸進(jìn)，覆蓋視覺和語音中的絕大部分應(yīng)用場景；實(shí)戰(zhàn)性強(qiáng)，9個綜合案例，提供案例源代碼和解讀，以及實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)結(jié)果對比分析；圖文并茂，包含大量原創(chuàng)圖表，可讀性強(qiáng)。

·14.8萬字

跳轉(zhuǎn)至頁

官术网_书友最值得收藏!

人工智能

分類

狀態(tài)

屬性

字?jǐn)?shù)

更新時間

Python強(qiáng)化學(xué)習(xí)：算法、核心技術(shù)與行業(yè)應(yīng)用