官术网_书友最值得收藏!

強(qiáng)化學(xué)習(xí):原理與Python實(shí)戰(zhàn)
會(huì)員

本書(shū)從原理和實(shí)戰(zhàn)兩個(gè)方面介紹了強(qiáng)化學(xué)習(xí)。原理方面,深入介紹了主流強(qiáng)化學(xué)習(xí)理論和算法,覆蓋資格跡等經(jīng)典算法和MuZero等深度強(qiáng)化學(xué)習(xí)算法;實(shí)戰(zhàn)方面,每章都配套了編程案例,以方便讀者學(xué)習(xí)。全書(shū)從邏輯上分為三部分。第1章:從零開(kāi)始介紹強(qiáng)化學(xué)習(xí)的背景知識(shí),介紹環(huán)境庫(kù)Gym的使用。第2~15章:基于折扣獎(jiǎng)勵(lì)離散時(shí)間Markov決策過(guò)程模型,介紹強(qiáng)化學(xué)習(xí)的主干理論和常見(jiàn)算法。采用數(shù)學(xué)語(yǔ)言推導(dǎo)強(qiáng)化學(xué)習(xí)的基礎(chǔ)理論,進(jìn)而在理論的基礎(chǔ)上講解算法,并為算法提供配套代碼實(shí)現(xiàn)。基礎(chǔ)理論的講解突出主干部分,算法講解全面覆蓋主流的強(qiáng)化學(xué)習(xí)算法,包括經(jīng)典的非深度強(qiáng)化學(xué)習(xí)算法和近年流行的強(qiáng)化學(xué)習(xí)算法。Python實(shí)現(xiàn)和算法講解一一對(duì)應(yīng),還給出了深度強(qiáng)化學(xué)習(xí)算法的TensorFlow和PyTorch對(duì)照實(shí)現(xiàn)。第16章:介紹其他強(qiáng)化學(xué)習(xí)模型,包括平均獎(jiǎng)勵(lì)模型、連續(xù)時(shí)間模型、非齊次模型、半Markov模型、部分可觀測(cè)模型等,以便更好了解強(qiáng)化學(xué)習(xí)研究的全貌。

肖智清 ·人工智能 ·17.2萬(wàn)字

因果推斷與機(jī)器學(xué)習(xí)
會(huì)員

本書(shū)是一本理論扎實(shí),同時(shí)聯(lián)系實(shí)際應(yīng)用的圖書(shū)。全書(shū)系統(tǒng)地介紹了因果推斷的基本知識(shí)、基于機(jī)器學(xué)習(xí)的因果推斷方法和基于因果推斷的機(jī)器學(xué)習(xí)方法及其在一些重要領(lǐng)域的應(yīng)用。全書(shū)共分6章。第1章從潛結(jié)果框架和結(jié)構(gòu)因果模型出發(fā),介紹因果推斷的基本概念和方法。第2章介紹近年統(tǒng)計(jì)和機(jī)器學(xué)習(xí)文獻(xiàn)中出現(xiàn)的一些重要的基于機(jī)器學(xué)習(xí)的因果推斷方法。第3章介紹能夠提高機(jī)器學(xué)習(xí)模型的泛化能力的因果表征學(xué)習(xí)。第4章介紹因果機(jī)器學(xué)習(xí)如何提高機(jī)器學(xué)習(xí)模型的可解釋性與公平性。第5章介紹因果機(jī)器學(xué)習(xí)在推薦系統(tǒng)和學(xué)習(xí)排序中的應(yīng)用。第6章是對(duì)全書(shū)的一個(gè)總結(jié)和對(duì)未來(lái)的展望。本書(shū)對(duì)結(jié)合因果推斷和機(jī)器學(xué)習(xí)的理論與實(shí)踐進(jìn)行了介紹。通過(guò)閱讀本書(shū),讀者不僅可以掌握因果機(jī)器學(xué)習(xí)的基礎(chǔ)理論,還可對(duì)本書(shū)中提到的論文代碼進(jìn)行鉆研,從而在實(shí)踐中加深對(duì)因果機(jī)器學(xué)習(xí)的理解。

郭若城等編著 ·人工智能 ·14.3萬(wàn)字

TensorFlow知識(shí)圖譜實(shí)戰(zhàn)
會(huì)員

大數(shù)據(jù)時(shí)代的到來(lái),為人工智能的飛速發(fā)展帶來(lái)前所未有的數(shù)據(jù)紅利。在大數(shù)據(jù)的“喂養(yǎng)”下,大量知識(shí)不斷涌現(xiàn),如何有效地發(fā)掘這些知識(shí)呢?知識(shí)圖譜橫空出世。本書(shū)是一本講解如何使用TensorFlow2構(gòu)建知識(shí)圖譜的入門(mén)教程,引導(dǎo)讀者掌握基于深度學(xué)習(xí)的知識(shí)圖譜構(gòu)建概念、理論和方法。本書(shū)分為13章:第1章從搭建環(huán)境開(kāi)始,包含TensorFlowCPU版本和GPU版本的安裝,并通過(guò)一個(gè)知識(shí)圖譜的例子引導(dǎo)讀者開(kāi)始學(xué)習(xí);第2~4章介紹TensorFlowAPI的使用;第5章是DatasetAPI,學(xué)習(xí)使用原生API處理數(shù)據(jù)的方法;第6~8章是實(shí)戰(zhàn)準(zhǔn)備部分,介紹ResNet模型、詞嵌入(wordembedding)模型、情感分類;第9~10章在“注意力模型”基礎(chǔ)上搭建了“編碼器模型”;第11~13章搭建了知識(shí)圖譜聯(lián)合抽取模型,利用本書(shū)所學(xué)知識(shí)實(shí)戰(zhàn)知識(shí)圖譜的搭建過(guò)程和性能提升方案。本書(shū)內(nèi)容詳盡、示例豐富,適合作為知識(shí)圖譜和深度學(xué)習(xí)讀者的參考書(shū),同時(shí)也適合開(kāi)設(shè)人工智能專業(yè)的大中專院校師生閱讀,還可作為高等院校計(jì)算機(jī)及相關(guān)專業(yè)教材使用。

王曉華 ·人工智能 ·9.9萬(wàn)字

深度學(xué)習(xí)與目標(biāo)檢測(cè):工具、原理與算法
會(huì)員

隨著深度學(xué)習(xí)技術(shù)的發(fā)展、計(jì)算能力的提升和視覺(jué)數(shù)據(jù)的增加,計(jì)算機(jī)視覺(jué)技術(shù)在圖像搜索、智能相冊(cè)、人臉閘機(jī)、城市智能交通管理、智慧醫(yī)療等諸多領(lǐng)域都取得了令人矚目的成績(jī)。越來(lái)越多的人開(kāi)始關(guān)注這個(gè)領(lǐng)域。計(jì)算機(jī)視覺(jué)包含多個(gè)分支,其中圖像分類、目標(biāo)檢測(cè)、圖像分割、目標(biāo)跟蹤等是計(jì)算機(jī)視覺(jué)領(lǐng)域最重要的幾個(gè)研究課題。本書(shū)介紹的目標(biāo)檢測(cè)技術(shù),本質(zhì)上就是通過(guò)計(jì)算機(jī)運(yùn)行特定的算法,檢測(cè)圖像中一些受關(guān)注的目標(biāo)。當(dāng)今時(shí)代,我們很容易在互聯(lián)網(wǎng)上找到目標(biāo)檢測(cè)算法的開(kāi)源代碼,運(yùn)行代碼并不是什么難事,但理解其中的原理卻有一定的難度。我們編寫(xiě)本書(shū)的目的就是由淺入深地向讀者講解目標(biāo)檢測(cè)技術(shù),用相對(duì)通俗的語(yǔ)言來(lái)介紹算法的背景和原理,在讀者“似懂非懂”時(shí)給出實(shí)戰(zhàn)案例。實(shí)戰(zhàn)案例的代碼已全部通過(guò)線下驗(yàn)證,代碼并不復(fù)雜,可以很好地幫助讀者理解算法細(xì)節(jié),希望讀者在學(xué)習(xí)理論之后可以親自動(dòng)手實(shí)踐。目標(biāo)檢測(cè)的理論和實(shí)踐是相輔相成的,希望本書(shū)可以帶領(lǐng)讀者走進(jìn)目標(biāo)檢測(cè)的世界。

涂銘 金智勇 ·人工智能 ·8.6萬(wàn)字

基于機(jī)器學(xué)習(xí)的數(shù)據(jù)缺失值填補(bǔ):理論與方法
會(huì)員

這是一部講解如何基于機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)數(shù)據(jù)缺失值填補(bǔ)的專著,與傳統(tǒng)的基于統(tǒng)計(jì)學(xué)的缺失值填補(bǔ)方法相比,效率上得到了較大的提升。作者基于多年的研究和實(shí)踐成果,創(chuàng)新性地提出了基于神經(jīng)網(wǎng)絡(luò)的缺失值填補(bǔ)方法和基于TS模型的缺失值填補(bǔ)方法。全書(shū)共8章,可分為4個(gè)部分。第一部分(第1~3章):首先介紹缺失值填補(bǔ)領(lǐng)域的缺失數(shù)據(jù)機(jī)制、基本概念、性能度量等基礎(chǔ)知識(shí),隨后詳細(xì)闡述目前基于統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)的缺失值填補(bǔ)理論與方法。第二部分(第4~5章):對(duì)目前神經(jīng)網(wǎng)絡(luò)在缺失值填補(bǔ)領(lǐng)域的研究成果進(jìn)行歸納總結(jié),并從網(wǎng)絡(luò)模型、填補(bǔ)方案角度闡述神經(jīng)網(wǎng)絡(luò)填補(bǔ)方法的設(shè)計(jì)及應(yīng)用。第三部分(第6~7章):詳細(xì)介紹面向不完整數(shù)據(jù)的TS建模過(guò)程,隨后通過(guò)特征選擇算法處理TS建模中的特征冗余問(wèn)題,并從前提參數(shù)優(yōu)化和結(jié)論參數(shù)優(yōu)化兩個(gè)角度改進(jìn)TS模型。第四部分(第8章):以缺失值填補(bǔ)方法在我國(guó)貧困問(wèn)題研究中的應(yīng)用為例,展現(xiàn)缺失值填補(bǔ)方法的現(xiàn)實(shí)意義。

賴曉晨 張立勇 劉輝 吳霞 ·人工智能 ·16.6萬(wàn)字

DeepSeek應(yīng)用大全:從入門(mén)到精通的全方位案例解析
會(huì)員

本書(shū)以國(guó)產(chǎn)自研的強(qiáng)大AI模型DeepSeek為核心,系統(tǒng)呈現(xiàn)了DeepSeek從基礎(chǔ)操作到各領(lǐng)域應(yīng)用的32個(gè)實(shí)戰(zhàn)案例,旨在幫助讀者快速掌握DeepSeek的用法。本書(shū)總計(jì)32章。第1章講解DeepSeek的注冊(cè)與使用,包括訪問(wèn)DeepSeek官網(wǎng)、熟悉DeepSeek的使用界面、本地部署DeepSeek、調(diào)用DeepSeekAPI等。第2章講解提示詞的使用技巧,深入講解如何通過(guò)充分提供信息、用詞準(zhǔn)確、角色扮演、分步提問(wèn)、舉例說(shuō)明、多維提問(wèn)、分步推理、Markdown格式、迭代式提問(wèn)、先驗(yàn)知識(shí)、用AI模型的“母語(yǔ)”提問(wèn),以及向AI模型“投喂”材料,提升DeepSeek所回復(fù)內(nèi)容的質(zhì)量。第3章至第18章講解DeepSeek在內(nèi)容創(chuàng)作和個(gè)人發(fā)展領(lǐng)域的應(yīng)用,包括創(chuàng)作小紅書(shū)文案和帶貨直播腳本、打造翻譯助手和健身飲食教練、職業(yè)規(guī)劃、創(chuàng)業(yè)指導(dǎo)、搭建面試題庫(kù)、創(chuàng)意策劃、規(guī)劃旅行方案、制定理財(cái)策略,以及撰寫(xiě)公眾號(hào)文章、個(gè)人簡(jiǎn)歷、工作總結(jié)、演講稿、商業(yè)計(jì)劃書(shū)、商務(wù)文檔等。第19章至第32章講解DeepSeek在技術(shù)和創(chuàng)意領(lǐng)域的應(yīng)用,包括輔助編程和項(xiàng)目開(kāi)發(fā)、生成Midjourney繪畫(huà)提示詞、美化圖像、快速閱讀100本書(shū)、文生視頻、圖生視頻、制作PPT、處理Excel表格、將Word與DeepSeek無(wú)縫連接、生成數(shù)據(jù)圖、將DeepSeek接入PyCharm,以及創(chuàng)作情侶頭像、表情包和歌曲等。

李艮基 肖靈兒 曹方詠崢 ·人工智能 ·8.3萬(wàn)字

QQ閱讀手機(jī)版

主站蜘蛛池模板: 绥江县| 长岭县| 襄汾县| 巴林左旗| 宜都市| 潜山县| 都昌县| 抚顺市| 北辰区| 航空| 高邮市| 永登县| 汉源县| 依兰县| 子洲县| 安福县| 靖边县| 白山市| 宜都市| 得荣县| 阿拉善盟| 镇康县| 恭城| 岑溪市| 焉耆| 绵竹市| 沽源县| 上高县| 新乡市| 民权县| 梁平县| 东源县| 独山县| 精河县| 临夏县| 酉阳| 温泉县| 永宁县| 丁青县| 观塘区| 韩城市|