电鱼用什么样的逆变器

機器學習是關于從數據中建立預測或描述模型，以提升機器解決問題能力的學科。在建立模型后，需要采用適當的優化算法來求解模型的參數，因此優化算法是機器學習的重要組成部分。但是傳統的優化算法并不完全適用于機器學習，因為通常來說機器學習模型的參數維度很高或涉及的樣本數巨大，這使得一階優化算法在機器學習中占據主流地位。本書概述了機器學習中加速一階優化算法的新進展。書中介紹了各種情形下的加速一階優化算法，包括確定性和隨機性的算法、同步和異步的算法，以求解帶約束的問題和無約束的問題、凸問題和非凸問題，對算法思想進行了深入的解讀，并對其收斂速度提供了詳細的證明。本書面向的讀者對象是機器學習和優化領域的研究人員，包括人工智能、信號處理及應用數學特別是計算數學專業高年級本科生、研究生，以及從事人工智能、信號處理領域產品研發的工程師。

·6.9萬字

會員

智慧家庭終端開發教程

本書是一本介紹智慧家庭終端開發的高職教材。全書共分6章：第1章基礎知識，第2章智慧家庭幾種智能終端簡介，第3章智慧家庭終端的幾種常見硬件，第4章嵌入式軟件開發，第5章智慧家庭終端的開發，第6章智慧家庭終端開發案例。其中第6章既有產品功能定位，還有單元電路原理圖和主要器件性能介紹。本書內容豐富、語言通俗，圖文并茂，可以作為高等職業院校物聯網應用、智能終端技術與應用與智能產品開發等專業教材，還適合于廣大創客、智能產品開發技術人員閱讀，也可作為上崗培訓班的教材。

·11.9萬字

會員

AI嵌入式系統：算法優化與實現

本書介紹嵌入式系統中的機器學習算法優化原理、設計方法及其實現技術。內容涵蓋通用嵌入式優化技術，包括基于SIMD指令集的優化、內存訪問模式優化、參數量化等，并在此基礎上介紹了信號處理層面的優化、AI推理算法優化及基于神經網絡的AI算法訓練—推理聯合的優化理論與方法。其中信號處理層面優化介紹了基于線性代數的快速近似算法、基于多項式的快速卷積構造技術、基于數據二進制結構的快速乘法算法等；在AI推理層面，介紹了機器學習推理模型共性結構、運算圖中各個算子的計算優化途徑；對基于神經網絡的AI算法，闡述了如何將推理階段的運算量約束以及底層數據量化約束加入訓練代價函數，從算法訓練端減少運算量以提升AI嵌入式系統的運行效率。此外，本書還通過多個自動搜索優化參數并生成C代碼的例子介紹了通用的嵌入式環境下機器學習算法自動優化和部署工具開發的基本知識，通過應用示例和大量代碼說明了AI算法在通用嵌入式系統中的實現方法，力求讓讀者在理解算法的基礎上，通過實踐掌握高效的AI嵌入式系統開發的知識與技能。

·13.1萬字

會員

深度學習與目標檢測（第2版）

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，將基于深度學習的目標檢測的相關論文中的理論和方法呈現給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側重對卷積神經網絡的介紹，而深度學習的內容不止于此。所以，作者將深度學習分為有監督學習、無監督學習和強化學習三類，將圖像分類、目標檢測、人臉識別、語音識別、生成對抗網絡和AlphaGo等應用場景歸入不同的類別，并分別對其原理進行了概括性的講解。

·12.6萬字

會員

一本書讀懂ChatGPT、AIGC和元宇宙

本書以通俗的語言和生動的案例，將ChatGPT、AIGC和元宇宙等熱點一網打盡，全面展示“臺前”“幕后”的來龍去脈，是一本深入淺出的通識書。本書將為你撥開迷霧，搞懂底層邏輯，把握風靡全球的未來科技和AI新時代的成長機會。

·5.2萬字

會員

AI源碼解讀：卷積神經網絡（CNN）深度學習案例：Python版

本書以人工智能發展為時代背景，通過20個機器學習模型和算法案例，為讀者提供較為詳細的實戰方案，以便進行深度學習。在編排方式上，全書側重對創新項目的過程進行介紹，分別從整體設計、系統流程和實現模塊等角度論述數據處理、模型訓練和模型應用等過程，并剖析模塊的功能、使用及程序代碼。為便于讀者高效學習，快速掌握人工智能程序開發方法，本書配套提供項目設計工程文檔、程序代碼、實現過程中出現的問題及解決方法等資料，可供讀者舉一反三，二次開發。本書語言簡潔，深入淺出，通俗易懂，不僅適合對Python編程有興趣的愛好者，而且可作為高等院校相關專業的參考教材，還可作為從事智能應用創新開發專業人員的技術參考書。

·4.2萬字

會員

智能物聯技術

物聯網被稱為全球信息產業的第三次浪潮，自1999年概念被首次提出后，先后經歷了局部物聯、開放物聯的階段，并開始走向智能物聯的新階段。本書在梳理相關背景、把握時代脈搏的前提下，詳細闡述智能物聯的概念和內涵，從智能感知、智能網絡、智能平臺三方面對智能物聯技術展開分析和研究，并對典型的智能物聯應用進行介紹。最后，從政策、技術和理念多角度，對智能物聯未來發展進行了展望。

·15.6萬字

會員

人工智能訓練師基礎（上冊）

本書基于《人工智能訓練師國家職業技能標準（2021年版）》，對“人工智能訓練師”這一新興職業給予了清晰的描述。全書從人工智能的相關技術入手，介紹了人工智能領域的發展歷程和相關知識，重點講述了人工智能訓練師的職業技能鑒定要求和各等級從業人員工作要求，講述了人工智能訓練師相關的工作內容及流程方法，包括數據采集和處理、數據標注、智能系統運維、業務分析、智能訓練、智能系統設計、培訓與指導等方面，對人工智能訓練相關工作做了系統的描述和指導。本書可以幫助新入行的人員較快熟悉行業知識和崗位技能，幫助已入行的人員明晰自身的崗位能力定位和職業發展方向。

·16.2萬字

會員

人工智能簡史

本書全面講述人工智能的發展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專家系統、神經網絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。本書作者和書中諸多人物或為師友或相熟相知，除了詳實的考證還有有趣的軼事。本書既適合專業人士了解人工智能鮮為人知的歷史，也適合對人工智能感興趣的大眾讀者作為入門的向導。

·16.7萬字

會員

TensorFlow知識圖譜實戰

大數據時代的到來，為人工智能的飛速發展帶來前所未有的數據紅利。在大數據的“喂養”下，大量知識不斷涌現，如何有效地發掘這些知識呢？知識圖譜橫空出世。本書是一本講解如何使用TensorFlow2構建知識圖譜的入門教程，引導讀者掌握基于深度學習的知識圖譜構建概念、理論和方法。本書分為13章：第1章從搭建環境開始，包含TensorFlowCPU版本和GPU版本的安裝，并通過一個知識圖譜的例子引導讀者開始學習；第2~4章介紹TensorFlowAPI的使用；第5章是DatasetAPI，學習使用原生API處理數據的方法；第6~8章是實戰準備部分，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”基礎上搭建了“編碼器模型”；第11~13章搭建了知識圖譜聯合抽取模型，利用本書所學知識實戰知識圖譜的搭建過程和性能提升方案。本書內容詳盡、示例豐富，適合作為知識圖譜和深度學習讀者的參考書，同時也適合開設人工智能專業的大中專院校師生閱讀，還可作為高等院校計算機及相關專業教材使用。

·9.9萬字

會員

人機博弈：人工智能大辯論

本書選出最有代表性的八個人工智能定義、最該被人銘記的十大事件和人物、最受關注的八個人工智能話題，以正反兩方思辨的方式提出我們對人工智能相關問題的大膽思考。人工智能何時超越人類？人工智能是否具有人類意識？人工智能是否在搶人類的飯碗？人工智能是否會改變政治的本質？人工智能是否會進行藝術創作？誰掌握智能戰爭的決策權？人工智能如何影響網絡安全？人工智能如何影響輿論？在思考之余，本書還從對人工智能時代的挑戰與治理進行分析，提出約束人工智能的三條鎖鏈：倫理與原則，標準制定，風險評估與預警。通過這種形式，為讀者撥開圍繞在人工智能身上的迷霧，并給讀者帶來思考的樂趣和人生的啟迪。

·11.3萬字

會員

物聯網技術應用：智能家居（第2版）

本書在第1版的基礎上進行了修訂，及時更新和補充了新知識、新技術、新產品和新案例。主要體現在以下3方面：一是將射頻控制技術改為ZigBee無線技術；二是具體產品設置案例環境由計算機端改為智能手機移動端；三是補充了人工智能技術在智能家居中的應用。本書在介紹智能家居的基本概念、特征、相關技術及組成后，詳細介紹了智能家居中子系統的設計、安裝和調試，包括智能照明控制、家用電器智能控制與能源管控、家庭安防報警、家庭環境監控、家庭影院與背景音樂、人工智能技術在智能家居中的應用、智能家居工程案例。本書內容豐富、圖文并茂，可以作為高等職業院校物聯網應用專業的教材，也可作為廣大裝飾裝修電工、智能家居和智能小區從業人員的參考用書。

·12.8萬字

會員

自己動手制作軟體機器人

軟體機器人技術是一個新興的領域，它以新的方式接近機器人，使機器人能夠在非結構化或不穩定的環境中工作，并執行需要精細度和延展性的任務。這一切都是關于軟材料的工程——硅樹脂、布、氣球、軟塑料——并以不同的方式將它們結合起來，為有趣的問題提出新穎、平易近人、令人驚訝的解決方案。本書向學生、發明家和創客介紹了軟體機器人概念，并提供了易于理解的解釋和動手DIY項目。這些項目使用了廣泛的工具和技術——包括微控制器、3D打印、激光切割、模具制作、鑄造和熱封——來創建有趣的軟機器人和設備。它在修補它最好的！代碼示例可以在github.com/gianteye/makesoftrobots上找到。

·8.2萬字

會員

深度學習從0到1

深度學習是人工智能研究領域中的一個極其重要的方向。本書是一本介紹深度學習理論和實戰應用的教程，從深度學習的發展歷史，單層感知器，線性神經網絡，BP神經網絡，一直介紹到深度學習算法卷積神經網絡CNN，長短時記憶網絡LSTM。并從圖像，自然語言處理，音頻信號三方面分別介紹了深度學習算法的實際應用。案例實戰部分使用的深度學習框架為Tensorflow2/Keras。

·16.3萬字

會員

新基建下人工智能的未來

本書著重探討新基建背景下我國人工智能的發展及其基礎建設。全書包括基礎、應用和實踐三篇，共9章。基礎篇分析了新基建的背景、概念、短板，以及人工智能的發展與挑戰等，尤其是分析了人工智能與新基建內在的關系；應用篇分析了人工智能在產業融合及在醫療、教育、能源、城市建設、社區建設等領域的驅動作用；實踐篇探討了人工智能的數據建設、軟硬件建設、技術研發、產品研制和人才培育等。推進人工智能新基建，對加快人工智能技術創新、全面提升其與產業融合和為社會賦能的可持續發展能力具有重大價值，這也是本書重點關注的內容。

·14.5萬字

會員

人工智能算法Python案例實戰

本書從概念和數學原理上對人工智能所涉及的數據處理常用算法、圖像識別、語音識別、自然語言處理、深度學習幾個主要方面進行了闡述，并以Python為主要工具進行了相應的編程實踐，以使讀者對人工智能相關技術有更直觀和深入的理解。此外，本書也用幾個獨立的章節從原理和實踐上介紹了量子計算、區塊鏈技術、并行計算、增強現實等與人工智能密切相關的前沿技術。本書適合對人工智能領域感興趣并有一定數學基礎的相關人員閱讀，也可作為高等院校相關專業的教學參考書。

·18.4萬字

會員

智能制造體系構建：面向中國制造2025的實施路線

制造業是國民經濟的主體，是國家保持競爭力、經濟健康運行和社會穩定的基礎，是科技創新的主戰場，一直受到各國政府的高度重視。特別是在國際金融危機發生后，歐美等發達國家紛紛推出“再工業化”戰略，力圖搶占國際競爭的制高點，把制造業的發展上升為國家戰略之一，全球新一輪工業轉型升級競賽就此展開，各國都希望更多地參與全球產業分工、爭奪產業鏈和價值鏈高地，因此推進了國際產業分工重塑，中國的制造業也再次迎來了歷史性機遇與挑戰。為了建設制造強國，2015年我國制定了實施制造強國戰略的第一個十年行動綱領——《中國制造2025》，其中智能制造將作為新一代信息技術與制造技術深度融合的主攻方向。本書從管理、技術的角度闡述智能制造體系，清晰地描繪出智能制造場景，衷心希望廣大制造業管理者有所收獲。

·13.7萬字

會員

計算思維與人工智能基礎

本教材共分9章：第1章計算機技術與計算思維基礎、第2章計算機中信息表示、第3章計算機系統基本組成和基本工作原理、第4章互聯網與物聯網、第5章計算機新技術、第6章計算機求解問題基礎、第7章人工智能概述、第8章搜索與博弈和第9章機器學習。

·13.4萬字

會員

因果推斷與機器學習（修訂版）

本書是一本理論扎實，同時聯系實際應用的圖書。全書系統地介紹了因果推斷的基本知識、基于機器學習的因果推斷方法和基于因果推斷的機器學習方法及其在一些重要領域的應用。全書共分6章。第1章從結構因果模型和潛在結果框架出發，介紹因果推斷的基本概念和方法。第2章介紹近年統計和機器學習文獻中出現的一些重要的基于機器學習的因果推斷方法。第3章介紹能夠提高機器學習模型的泛化能力的因果表征學習。第4章介紹因果機器學習如何提高機器學習模型的可解釋性與公平性。第5章介紹因果機器學習在推薦系統和學習排序中的應用。第6章是對全書的一個總結和對未來的展望。本書對結合因果推斷和機器學習的理論與實踐進行了介紹。并在第1版的基礎上對一些陳舊的內容做了更新。通過閱讀本書，讀者不僅可以掌握因果機器學習的基礎理論，還可對本書中提到的論文代碼進行鉆研，從而在實踐中加深對因果機器學習的理解。

·14.1萬字

會員

因果推斷與機器學習

本書是一本理論扎實，同時聯系實際應用的圖書。全書系統地介紹了因果推斷的基本知識、基于機器學習的因果推斷方法和基于因果推斷的機器學習方法及其在一些重要領域的應用。全書共分6章。第1章從潛結果框架和結構因果模型出發，介紹因果推斷的基本概念和方法。第2章介紹近年統計和機器學習文獻中出現的一些重要的基于機器學習的因果推斷方法。第3章介紹能夠提高機器學習模型的泛化能力的因果表征學習。第4章介紹因果機器學習如何提高機器學習模型的可解釋性與公平性。第5章介紹因果機器學習在推薦系統和學習排序中的應用。第6章是對全書的一個總結和對未來的展望。本書對結合因果推斷和機器學習的理論與實踐進行了介紹。通過閱讀本書，讀者不僅可以掌握因果機器學習的基礎理論，還可對本書中提到的論文代碼進行鉆研，從而在實踐中加深對因果機器學習的理解。

·14.3萬字

跳轉至頁

官术网_书友最值得收藏!

人工智能

分類

狀態

屬性

字數

更新時間

機器學習中的加速一階優化算法