零樣本圖像分類主要解決在標(biāo)記訓(xùn)練樣本不足以涵蓋所有對(duì)象類的情況下，如何對(duì)未知新模式進(jìn)行正確分類的問題，近年來已逐漸成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一。利用可見類訓(xùn)練樣本學(xué)習(xí)到的分類器對(duì)新出現(xiàn)的對(duì)象類進(jìn)行分類識(shí)別是非常困難的學(xué)習(xí)任務(wù)�！读銟颖緢D像分類》針對(duì)零樣本圖像分類問題從屬性角度入手，基于深度學(xué)習(xí)及知識(shí)挖掘、屬性自適應(yīng)、

全書共分為8個(gè)項(xiàng)目，包括計(jì)算機(jī)與信息技術(shù)基礎(chǔ)、認(rèn)識(shí)Internet、Windows10操作系統(tǒng)的使用、Word2016文檔編輯與管理、Excel2016數(shù)據(jù)統(tǒng)計(jì)與分析、PowerPoint2016演示文檔制作與展示、人工智能技術(shù)及應(yīng)用概論、大數(shù)據(jù)技術(shù)原理及應(yīng)用概論。各項(xiàng)目?jī)?nèi)容通過任務(wù)逐步展開，有利于適應(yīng)高等職業(yè)院校項(xiàng)目

本書全面講解PaddlePaddleFluid框架在深度學(xué)習(xí)領(lǐng)域的應(yīng)用。全書共15章，分別是PaddlePaddle深度學(xué)習(xí)開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實(shí)戰(zhàn)、卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)、生成對(duì)抗網(wǎng)絡(luò)實(shí)戰(zhàn)、強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)、模型的保存與使用、遷移學(xué)習(xí)實(shí)戰(zhàn)可視化工具VisualDL的使

本書是一本介紹深度學(xué)習(xí)理論和實(shí)戰(zhàn)應(yīng)用的教程，先從數(shù)學(xué)基礎(chǔ)和機(jī)器學(xué)習(xí)基礎(chǔ)出發(fā)，按照神經(jīng)網(wǎng)絡(luò)的技術(shù)發(fā)展框架由易到難逐步講解深度學(xué)習(xí)的理論，然后再通過實(shí)踐部分，詳細(xì)解釋深度學(xué)習(xí)的應(yīng)用案例，讓讀者既能了解深度學(xué)習(xí)理論，又能學(xué)會(huì)使用深度學(xué)習(xí)框架，實(shí)現(xiàn)自己的深度學(xué)習(xí)模型。主要內(nèi)容包括深度學(xué)習(xí)的發(fā)展歷史、單層感知器、線性神經(jīng)網(wǎng)絡(luò)、B

本書從傳統(tǒng)的機(jī)器學(xué)習(xí)，如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機(jī)、集成學(xué)習(xí)，到前沿的深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，如DNN、CNN、BERT、ResNet等，對(duì)人工智能技術(shù)進(jìn)行零基礎(chǔ)講解，內(nèi)容涵蓋數(shù)學(xué)原理、公式推導(dǎo)、圖表展示、企業(yè)應(yīng)用案例。本書面向初中級(jí)讀者，能幫助讀者迅速掌握機(jī)器學(xué)習(xí)技術(shù)的相關(guān)概念及原理。本書內(nèi)容結(jié)合作者多年

人工智能的迅猛發(fā)展，對(duì)整個(gè)人類、社會(huì)和時(shí)代的進(jìn)步起到了不可估量的作用。然而，人工智能的未來奇點(diǎn)在哪兒？人工智能是否具有人類意識(shí)？人工智能會(huì)導(dǎo)致人類大規(guī)模失業(yè)嗎？會(huì)替代人類嗎？本書以通俗易懂的語(yǔ)言，圖文并茂的方式不僅描繪了人工智能發(fā)展的歷史、現(xiàn)狀與未來，而且探討了人工智能發(fā)展可能對(duì)經(jīng)濟(jì)、政治、軍事、法律等方面的影響，其中

《人工智能導(dǎo)論》為大連理工大學(xué)“新工科”系列精品教材。本書內(nèi)容包括緒論、知識(shí)表示、確定性推理、不確定性推理、搜索求解策略、遺傳算法及其應(yīng)用、群智能算法及其應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用、機(jī)器學(xué)習(xí)、專家系統(tǒng)、自然語(yǔ)言理解及其應(yīng)用等。本書可供電子信息類專業(yè)本、專科學(xué)生作為教材使用，也可供從事人工智能領(lǐng)域的技術(shù)人員參考。

零基礎(chǔ)讀者應(yīng)如何快速入門機(jī)器學(xué)習(xí)？數(shù)學(xué)基礎(chǔ)薄弱的讀者應(yīng)如何理解機(jī)器學(xué)習(xí)中的數(shù)學(xué)原理？這些正是本書要解決的問題。本書從數(shù)學(xué)基礎(chǔ)知識(shí)入手，通過前3章的介紹，幫助讀者輕松復(fù)習(xí)機(jī)器學(xué)習(xí)涉及的數(shù)學(xué)知識(shí)；然后，通過第4-第13章的介紹，逐步講解機(jī)器學(xué)習(xí)常見算法的相關(guān)知識(shí)，幫助讀者快速入門機(jī)器學(xué)習(xí)；最后，通過第14章的綜合實(shí)踐，幫助

本書從人工智能的基本定義出發(fā)，由淺入深地闡述了人工智能的理論、策略、研究方法和應(yīng)用領(lǐng)域，以梳理知識(shí)脈絡(luò)和要點(diǎn)的方式，詳細(xì)介紹了知識(shí)表示、邏輯推理及方法、非確定性推理及方法、搜索策略、機(jī)器學(xué)習(xí)等方面的內(nèi)容。作為導(dǎo)論書籍，本書概念論述清楚，內(nèi)容豐富，通俗易懂，在較為全面介紹人工智能的基礎(chǔ)上對(duì)一些傳統(tǒng)內(nèi)容進(jìn)行了取舍。為滿足讀

本書主要內(nèi)容包括普通最小二乘法回歸、嶺回歸、Lasso回歸、彈性網(wǎng)絡(luò)回歸、正交匹配追蹤回歸、貝葉斯回歸、廣義線性回歸、隨機(jī)梯度下降回歸、被動(dòng)攻擊回歸、魯棒回歸、多項(xiàng)式回歸、支持向量機(jī)回歸、核嶺回歸、最近鄰回歸、高斯過程回歸、決策樹、神經(jīng)網(wǎng)絡(luò)模型、保序回歸、嶺分類、邏輯回歸分類、隨機(jī)梯度下降分類、感知機(jī)、被動(dòng)攻擊分類、支