暂缺简介...

暂缺简介...

基于多传感器融合的定位方法是目前移动机器人定位的主流方式。相对于单一传感器定位，多传感器融合定位具有成本低、容错率高、抗干扰能力强的优点。然而，现有的多传感器融合定位算法，无法同时兼顾定位精度和系统容错率，在融合过程中，对信息分配、信号干扰、误差模型异常等问题考虑的较少，严重的影响了机器人的定位效果。针对诸多问题，本著作主要从多传感器融合及系统构建、移动机器人融合定位算法、移动机器人导航算法、移动机器人避障路径规划算法、移动机器人障碍物检测与避障算法实施以及移动机器人室内定位与导航系统的实现方法等相关内容一一给出解答。本著作可以作为科研工作者、高校教师以及在校研究生、本科生的指导书以及算法学习参考书目。

在大数据时代背景下，统计学作为数据分析领域的基础，被应用于各行各业，其方法发挥着重要作用。为了更广泛地普及统计学知识，培养更多的统计学人才，《商务统计学基础：从不确定性到人工智能》应运而生。作为入门级图书，《商务统计学基础：从不确定性到人工智能》内容安排如下。第 1 章从不确定性出发，讲述统计学和不确定性的关系，以及统计学中用于描述不确定性的各种概率模型。第 2 章是参数估计，系统讲述统计学中矩估计和极大似然估计两种常用的参数估计方法，并基于两种方法介绍各种常见概率分布中参数的点估计和区间估计。第 3 章是假设检验，首先从不确定性的角度探讨实际中的各种决策问题，帮助读者理解假设检验的思想和应用场景，然后系统介绍假设检验的方法论及各种常见推广。第 4章是回归分析，首先介绍回归分析的思想和广泛的应用场景，然后系统地介绍各类常用模型，从线性回归到广义线性回归，最终落脚到两种机器学习算法（决策树、神经网络）。 《商务统计学基础：从不确定性到人工智能》特别强调实际应用，因此各个章节都辅以大量的实际案例，在介绍统计学基础知识的同时培养读者使用统计学方法解决实际问题的能力。

这是一本能指导读者快速掌握PyTorch和深度学习的著作，从PyTorch的原理到应用，从深度学习到强化学习，本书提供了全栈解决方案。第1版上市后销量和口碑俱佳，是深度学习领域的畅销书，被誉为PyTorch领域的标准著作。第2版在第1版的基础上，去芜存菁，与时具进，根据PyTorch新版本全面升级，技术性、实战性、针对性、丰富性、易读性均得到了进一步提升，必定能帮助读者更轻松、更高效地进入深度学习的世界。全书一共19章，在结构上分为三大部分：第1部分（第1~4章） PyTorch基础首先有针对性地讲解了Python和PyTorch的基石NumPy中的关键知识，然后详细讲解了PyTorch的基础知识、神经网络工具箱和数据处理工具箱等内容，帮助读者快速了解和掌握PyTorch。第二部分（第5~10章） 深度学习基础依次讲解了机器学习、视觉处理、自然语言处理、注意力机制、目标检测、语义分割、生成式深度学习等机器学习和深度学习的核心技术的原理和使用。第三部分（第11~17章） 深度学习实践通过实战案例的方式，详细讲解了PyTorch在人脸检测和识别、迁移学习、中英文互译、图像分类、语义分割、生成式网络、对抗攻击等领域的应用和解决方案。第四部分（第18-19章） 强化学习重点介绍了强化学习和深度强化学习的基础理论、常用算法及相关实例。更为重要的是，为了让本书通俗易懂，在内容安排和写作方式上也颇花了一番心思。内容选择上，广泛涉猎、重点突出、注重实战；内容安排上，实例切入、由浅入深、循序渐进；表达形式上，深度抽象、化繁为简、用图说话。

暂缺简介...

9787115554512 深度学习：从基础到实践（上、下册） 199.80 9787115598721 图神经网络：基础、前沿与应用 178.80《深度学习：从基础到实践（上、下册）》 本书从基本概念和理论入手，通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识，且不涉及复杂的数学内容。本书分为上下两册。上册着重介绍深度学习的基础知识，旨在帮助读者建立扎实的知识储备，主要介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。下册介绍机器学习的 scikit-learn 库和深度学习的 Keras 库（这两种库均基于 Python 语言），以及卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容，还介绍了一些创造性应用，并给出了一些典型的数据集，以帮助读者更好地了解学习。本书适合想要了解和使用深度学习的人阅读，也可作为深度学习教学培训领域的入门级参考用书。 《图神经网络：基础、前沿与应用》 本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。全书分为四部分：第一部分介绍图神经网络的基本概念；第二部分讨论图神经网络成熟的方法；第三部分介绍图神经网络典型的前沿领域；第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。本书适合高年级本科生和研究生、博士后研究人员、讲师以及行业从业者阅读与参考。

本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点，为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题，以及近年来的研究进展。第2章介绍传统匹配模型，包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型，并将当前的深度学习解决方案分为两类：表示学习方法和匹配函数学习方法。第6章对全书内容做了总结，并为读者指明进一步学习的方向。 本书适合对深度学习感兴趣的各类读者，包括相关专业的本科生、研究生、博士生，以及从事信息检索、搜索引擎、推荐系统、计算广告相关工作的软件工程师。

当前，有很多关于人工智能（AI），并和人类生产、生活关系紧密的议题被广泛讨论，包括“如何避免大数据时代个人隐私形同虚设”“代码是否具有道德”等。这些现实议题背后，是两个根本问题：何为“AI伦理”？何为“AI治理”？ 本书汇聚众多专家的观点，对这两个根本问题进行了深入探讨，涉及人工智能、计算机、法律、社会学等多个领域，覆盖社会和个人、生产和生活的诸多方面。　本书是根据未来论坛“AI伦理与治理”系列研讨会的成果总结、整理而来，分为AI向善的理论与实践、AI的公平性、AI与风险治理、AI决策的可靠性和可解释性、用户数据隐私、包容性的AI这6个专题方向。每个专题方向均汇集了各领域中一线专家经充分思辨讨论后形成的观点。　本书适合人工智能领域学者、工程师、管理者、创业人员和相关专业学生，法律、社会学等领域的专业人士，以及政府相关部门人员阅读。

本书是新一代人工智能系列教材之一。金融科技经历了金融电子化阶段、互联网金融阶段，进入了金融智能阶段。本书从金融智能的理论、应用和监管三个视角出发，围绕金融智能的理论，结合金融智能应用场景，介绍了人工智能、大数据等新兴技术所引起的金融业的解构与重构。本书共分5篇14章，主要内容包括金融智能概论、金融大数据概览、金融大数据管理、金融智能建模基础、推荐系统、知识图谱、金融智能客服、金融智能风控、金融智能营销、智能投顾、传统金融的智能化、合规科技、监管科技以及实验要求和实验指南。本书内容丰富、系统全面、实践性强，为读者学习金融智能提供了广泛的视角。 本书可作为高等学校人工智能、金融科技等专业高年级本科生和研究生相关课程教材，也可作为金融从业人员学习金融智能知识的参考读物。