《深度序列模型与自然语言处理：基于TensorFlow2实践》以自然语言和语音信号处理两大应用领域为载体，详细介绍深度学习中的各种常用序列模型。 在讲述理论知识的同时辅以代码实现和讲解，帮助读者深入掌握相关知识技能。 《深度序列模型与自然语言处理：基于TensorFlow2实践》共12章，不仅涵盖了词向量、循环神经网络、卷积神经网络、Transformer 等基础知识，还囊括 了注意力机制、序列到序列问题等高级专题，同时还包含其他书籍中较少涉及的预训练语言模型、生成 对抗网络、强化学习、流模型等前沿内容，以拓宽读者视野。 《深度序列模型与自然语言处理：基于TensorFlow2实践》既适合互联网公司算法工程师等群体阅读，又可以作为本科高年级或研究生级别的自然语言处 理和深度学习课程的参考教材。

《细说机器学习：从理论到实践》从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：第一篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习最重要与高频使用的模型，包括K-Means聚类、K最近邻、回归、决策树、朴素贝叶斯、支持向量机、神经网络等内容。本篇不仅详细讲解各个算法的原理，还提供大量注释详尽的代码示例，使这些算法变得直观易懂。第三篇为拓展应用，包括集成学习、深度学习框架TensorFlow与PyTorch入门、卷积网络、激活函数以及模型微调与项目实战。本篇内容更加前沿与高级，带领读者跨过机器学习的门槛，进行真实项目的实践与部署。 《细说机器学习：从理论到实践》内容丰富、系统且实用，大量相关代码示例贴近实战，能够为读者学习机器学习打下扎实的基础，并真正掌握运用这些知识与算法解决实际问题的技能。适合机器学习入门者、大学生、人工智能从业者，以及各行业技术人员和科研人员使用，也可作为培训机构和大专院校人工智能课程的教学用书。

随着人工智能技术的成熟，图像语义分割方法迎来了飞速发展的机会。语义分割是一种像素级的预测任务，基于全卷积神经网络（FCN）的分割方法，为了获得较高的分割精度，需耗费大量的计算资源。然而随着自动驾驶和移动终端需求的日益增长，在分割精度和分割速度之间进行平衡显得尤为重要，如何在计算力有限的设备上应用语义分割技术、减少计算量、提高运行速度更是成为当前研究的热点。鉴于此，本书以遥感领域作为应用场景，从视觉注意力机制和特征融合的角度，探索轻量级实时语义分割模型算法，在兼顾精度与速度的同时，实现快速准确的语义分割。本书主要研究内容如下。第一，对目前表现突出的卷积神经网络进行梳理。首先，分析卷积神经网络的基础结构及训练过程，阐述经典的卷积神经网络分类模型；其次，剖析语义分割算法中常见的分割网络结构特性，包括对称的编码 -解码结构，使用空洞卷积、深度可分离卷积、空洞空间金字塔池化（ASPP）等的扩张卷积核，轻量级语义分割法等，确立本书网络模型的设计思路，即采用编码 -解码结构，基于轻量级语义分割网络（ENet）来设计网络架构。第二，针对高分辨率遥感图像分割速度较慢，提出一种改进 ENet的实时语义分割模型 SE-ENet。该模型适当剪枝压缩 ENet网络结构，修改ENet网络中的瓶颈结构（Bottleneck）模块，下采样阶段交叉使用多种卷积核，实现各模块的轻量化，具备参数少、计算量低的特点，可实现快速图像分析处理；而融合至模型中的注意力机制，通过压缩和激励操作来重新标定特征通道的权重，增强有益特征权重，深度有序挖掘遥感数据集中的图像特征，保证语义分割的准确性。通过对 3种不同数据集的仿真分析表明，基于 ENet和注意力机制的语义分割网络模型能够较快地实现图像语义分割效果。第三，构建高分辨率遥感图像语义分割数据集，对数据集进行预处理、数据增强后，数据集扩充至 10万余张图像，为相关实验的训练与评估研究提供数据支撑。第四，基于特征融合策略对 SE-ENet模型进一步优化，将下采样模块间的特征图密集连接，生成优化后的网络模型 EFSE-ENet，通过融合浅层和高层的表征信息以获得准确精细的分割结果；实验时适当修改损失函数，增加小类别样本权重，调整学习率衰减方式以提升实验效果，并在DeepGlobe Road Extraction大型数据集上进一步验证模型的泛化能力，证明了其在保持一定精度的条件下可以达到实时分割的效果，兼具高效性。在本书撰写过程中，晋中学院计算机与信息工程系的领导和老师们给予了大力支持和帮助，在此表示衷心感谢！

暂缺简介...

针对海量、动态、多维、异构的高分辨率卫星遥感观测数据，通过对高分辨压缩信息的获取（“感”），建立多尺度几何分析的建模（“知”），完成特征的学习和分析（“用”），从而提高对地观测系统的综合利用能力，这已成为遥感技术发展的必然趋势。全书共十五章，系统地论述了遥感脑的理论基础、感知与解译应用及遥感脑系统。第一至第四章主要介绍遥感技术和类脑启发的研究背景及意义，压缩感知基础、遥感成像机理与特性、深度神经网络的最新进展等；第五至第十二章主要介绍作者团队在遥感脑感知与解译两方面的具体相关应用成果；第十三至第十四章主要介绍作者团队研发的遥感脑系统；第十五章主要是展望和总结该领域的主要公开问题。以此抛砖引玉，希望本书能为读者呈现出遥感脑理论和应用等较为全面的脉络、趋势和图景。本书适应于涉及深度学习和图像处理类高年级本科生、研究生，以及广大科技工作者。

本书系统讲解了流媒体和直播的基础理论及应用，包括RTSP、RTP、RTCP、RTMP、HLS、HTTP-FLV等常用的流媒体协议，包括Live555、SRS、Nginx-RTMP、ZLMediaKit等开源流媒体直播服务器。本书为FFmpeg音视频流媒体系列丛书的第二部。全书共分为14章：系统讲解了流媒体协议的基础知识、直播的原理流程及架构分析、Live555、SRS、Nginx-RTMP、ZLMediaKit等开源直播点播库。书中包含大量的示例，图文并茂，争取让一个音视频流媒体领域的读者真正入门，从此开启流媒体直播编程的大门。本书知识体系比较完整，侧重流媒体与直播的原理讲解及应用。建议读者先学习FFmpeg音视频流媒体系列丛书的第一部，即音视频原理及应用。讲解过程由浅入深，让读者在不知不觉中学会了流媒体协议的基础理论知识，并动手搭建直播平台。本书可作为流媒体和直播方向的入门书籍，也可作为高年级本科生和研究生的学习参考书籍。

自2023年以来，AI聊天机器人ChatGPT火爆互联网，其颠覆性的使用体验重塑了人们对于AI的认知。而ChatGPT背后的技术―AIGC也引起了互联网圈的关注，打开了人们对AI应用的想象空间。本书从ChatGPT入手，以AIGC为中心，对AIGC的理论知识、应用场景、未来发展等内容进行了全面的梳理。 首先，本书对AIGC的概念、技术构成、产业生态、市场现状等进行了讲解，以便读者对AIGC形成一个清晰、完整的认知。其次，本书讲解了AIGC在传媒、电商、影视、娱乐、教育、工业等领域的应用，展现了AIGC的应用价值和对各领域的赋能。最后，本书解析了AIGC领域的创投机会和未来图景，便于读者把握AIGC的发展趋势。 本书在系统地讲述AIGC理论及应用的同时，引入了大量实践案例，介绍了诸多国内外知名企业在AIGC领域的布局，也介绍了一些AI文字生成、AI图片生成、AI视频生成、AI音频生成等方面的AIGC应用，内容十分丰富。

本书介绍面向多Agent的编程（MAOP）的主要概念和技术，并结合JaCaMo开源平台进行实践。MAOP提供了一种基于三个维度的结构化方法，本书详细讨论这三个维度：Agent维度，用于设计个体（交互）实体；环境维度，支持共享资源的开发，实现与现实世界的联系；组织维度，构建自治Agent和共享环境之间的交互。本书还讨论了MAOP与现有技术和应用领域的集成，包括移动计算、基于Web的计算和机器人技术。zui后，从MAOP的角度探讨了与人工智能相关的经典问题，并讨论了面向Agent的软件工程方法。

ChatGPT 的成功让许多职场“打工人”第一次意识到，AI 不再是实验室中可望而不可即的空中楼阁，而是一种可以真真切切地影响和改变自己的工作方式的技术力量，被AI 取代的焦虑感也随之而来。实际上，这种担心是没有必要的。正如历史上每一次技术革命一样，新技术的出现往往会改变工作方式和工作内容，但它们同时也会创造出新的机会和挑战。与其惶恐不安，不如抱着开放和积极的心态去研究和学习AI，利用它为工作赋能，协助自己在职场上占据先机。 本书就是一本专门为办公人员编写的AI 工具应用教程，精选了20 余款实用的AI 工具，通过精心设计的案例讲解如何运用它们实现高效办公。

本书从数据集、数据清理开始谈起，在介绍机器学习的建模方式后，第2章详细说明了机器学习与深度学习所涉及的矩阵、向量等技术。第3章使用Keras搭建深度学习模型，也介绍了激活函数、损失函数、反向传播、过拟合或欠拟合等问题。第4章给出了训练深度学习模型的过程中可能存在的交叉验证问题。当需要提高模型精度时，可以考虑参考第5章中的L1/L2正则化、丢弃正则化、早停等方式。第6章讲解模型评估问题，在太平洋飓风数据集上指出准确率的局限性，从而引出混淆矩阵、ROC曲线、AUC评分等概念。接下来的3章介绍卷积神经网络、迁移学习、循环神经网络等问题，这些内容在工业实际项目中占据核心地位，值得大家多写代码、多实践。