人工智能
-
人机物融合群智计算郭斌,刘思聪,於志文 著近年来,智能物联网、群体智能、工业互联网等新兴技术逐步兴起,人(智能手机、可穿戴设备等)、机(云设备、边缘设备)、物(具感知计算能力的物理实体)这三种基础要素正在走向协作和融合,迈向人机物融合群智计算时代,即通过人、机、物异构群智能体的有机融合,利用其感知能力的差异性、计算资源的互补性、节点间的协作性和竞争性,构建具有自组织、自学习、自适应、持续演化等能力的智能感知计算空间,实现智能体个体技能和群体认知能力的提升。 2020年,根据微软学术(Microsoft Academic)统计分析的关于群智感知(Crowd sensing)研究的作者排名(Top Authors)中,本书作者团队位列全球第一。本书作者带着十余年从事群智感知计算研究的思考,将传统的“以人为中心”的群智感知计算拓展深化为“人-机-物异构群智能体融合计算”(简称“人机物融合群智计算”),从单纯的群智感知数据收集提升为人机物群智融合的协作计算与增强学习,探索异构群智协同的基础理论创新和关键技术突破。 本书系统化地阐明新一代“群智感知计算”内涵,并匠造出一把开启“人机物融合群智计算”新世界大门的钥匙。本书既可以作为专著,为物联网、人工智能、工业互联网、智慧城市、智能制造等领域的科研人员和IT从业者提供创新的发展视角及相关理论、方法与技术支撑,也可以作为高年级本科生或研究生的参考教材。
-
机器学习·深度学习图像识别从基础到案例实战[日] 川岛贤 著,杨鹏 译《机器学习·深度学习图像识别从基础到案例实战》一书用大量的图形图像,结合Python代码介 绍了人工智能领域图像识别的相关知识。全书共3部分,其中第1部分介绍了基础知识及相关工具如 Python、Jupyter Nobebook和NumPy、Matplotlib等软件库的使用方法;第2部分主要借助TensorFlow、 PyTorch、Keras、Chainer、scikit-learn等工具实现了16个不同层次的图像识别案例,如Iris数据集分类、 手写数字识别、人物检测等,助力提升读者实战水平;第3部分介绍了基于Python的面向对象编程知 识和如何用Python建立Web服务器。本书浅显易懂,特别适合作为大中专院校相关专业的参考书,也 适合想通过Python系统学习机器学习和深度学习、用Python进行图像识别的入门参考书。
-
人工智能通识讲义李楠,秦建军,李宇翔,朱丽萍 著本书是面向青少年的人工智能科普书和入门教材,立足于趣味性、科学性、知识性和实践性,尽量避免晦涩专业术语对阅读流畅性的影响。书中还包含数十个精心筛选的实践案例,可根据读者需要灵活选用。 全书共5 个单元、14章,从人工智能的发展简史讲起,以语音、图像、生活中的典型场景及伦理问题为主要知识载体,聚焦问题,深入浅出地引出人工智能的基本思想、主要原理、知识概念、典型应用实践等。 本书可作为青少年课外科普读物和中学信息技术等学科的辅助教材、职业院校的专业教材和本科阶段的通识教育教材,还可作为相关培训教材和科学素质提升读本。
-
联邦学习薄列峰,[美] 黄恒,顾松庠,陈彦卿 等 著本书首先介绍联邦学习的定义和发展历史,按类别介绍联邦学习算法和发展现状,介绍联邦学习的应用场景,以及相关安全机器学习的技术。然后我们将介绍新的zui前沿的联邦学习算法,用京东数科系统作为实例,对联邦学习系统构建和实现进行讲解。zui后我们将介绍京东数科自研的基于区块链的联邦学习技术。
-
人工智能教育应用的理论与方法陈凯泉,仲国强随着人工智能的飞速发展,人工智能赋能教学取得长足发展。本书通过对国内外人工智能教育应用案例的分析,阐明多模态学习分析、适应性反馈、人机协同等正成为当下人工智能教育的主要应用范畴。人工智能依据学情感知对学习做出智能评估和预测,可为学习者的适应性学习提供技术性支持与保障。本书还以IBMWatson系统的应用为例,阐述了人工智能教育应用与新时代育人目标相契合,正在推进学生核心能力的发展。
-
知识系统与知识图谱徐小龙 等本书主要介绍知识系统、知识服务、知识管理及知识工程的相关内容,共三个部分。第一部分主要介绍知识系统与知识服务,这部分从知识的定义出发,阐述知识服务的产生及与知识系统的关系,并详细介绍了四种典型的知识系统,着重介绍其发展历史、种类特征和体系框架等。第二部分主要介绍知识管理与知识工程,这部分内容围绕知识管理展开,涵盖知识管理的产生与发展、关键技术、系统类型及常用的知识管理平台等。第三部分重点分析当前知识系统中的重点、难点和关键技术,并且详细介绍作者科研团队在知识鉴别、知识分析、知识导航、专家推荐及知识云等方面的**研究成果。与此同时,本书还介绍作者科研团队提出的创新算法在知识系统中的应用,并以原型系统的形式予以展示。
-
PyTorch深度学习模型开发实战小川雄太郎 著,陈欢 译人工智能应用已经遍及各行各业,而机器学习和深度学习作为其中的重要组成部分也越来越火热。《PyTorch深度学习模型开发实战》就以近年来非常流行的Python 机器学可库 PyTorch为工目。对深度学习中的迁移学习、图像分类、物体检测、语义分割、姿势识别、图像生成、异常检测、自然语言处理以及视频分类等各种任务进行了详细讲解及深度学习模型的编程实现。这些任务都是为帮助读者积累实践经验,以便能在实际开发中灵活运用深度学习技术精挑细选出来的。读者只要亲自动手,依次对各种任务进行编程实践,并彻底理解其中的原理,就一定能逐步掌握复杂深度学习的应用方法。 《PyTorch深度学习模型开发实战》 内容丰富全面,讲解通俗易懂,特别适合作为有一定基础的AI工程师提升技能、中高级机器学习/深度学习工程师巩固相关基础的参考书籍。
-
手势识别技术理论及应用苗启广本书以手势识别技术理论与应用为主题,系统地介绍了该领域常用的数据集,以及基于手工特征、卷积神经网络、循环神经网络及其变种、多模态数据融合与注意力机制等实现的手势识别算法。此外,本书还结合作者的开发经验,介绍了手势识别在真实场景中的应用,旨在使读者在了解相关技术的同时提升实际应用能力。 \n本书既适合从事计算机视觉和人工智能领域研究的技术人员阅读,也可以作为高等院校相关专业师生的参考教材。 \n
-
机器人动力学与系统控制(美)安德鲁,J.库迪拉(Andrew J.Kurdila)本书重点阐述机器人系统动力学和控制的基本原理,并展示了如何计算和使用分析工具(如matlab、mathematica和maple)来进行机器人系统设计。
-
深度学习实战邱宇航 著《深度学习实战:基于TensorFlow 2.X 的计算机视觉开发应用》从环境的搭建和TensorFlow 2.X 的基础语法讲起,逐步深入到计算机视觉领域的算法模型理论与实战应用,并重点讲解了如何使用TensorFlow 2.X 框架实现各类经典的深度学习模型,让读者可以系统地学习TensorFlow 2.X 在计算机视觉领域的相关知识和实战应用。 全书共13 章,涵盖的主要内容有Anaconda环境配置、JupyterNotebook使用、神经网络模型和用Python从零实现神经网络、TensorFlow 2.X 的基础语法、图像分类的算法模型理论和实战、迁移学习技术实战、目标 检测的算法模型理论和实战、自编码器的算法模型理论和实战、生成式对抗网络的算法模型理论和实战、基于 深度学习的指纹识别技术实战、基于摄像头的指定物体实时预测、基于 Linux 平台下的深度学习模型网页部署、基于exe 程序的深度学习识别系统以及自动机器学习的理论与实战等。 《深度学习实战:基于TensorFlow 2.X 的计算机视觉开发应用》内容通俗易懂、案例丰富、实用性强,特别适合机器学习、深度学习、Tensorflow2.X框架和计算机视觉领域的入门读者阅读,也适合Python 程序员等其他编程爱好者阅读。另外,本书也可作为相关院校或培训机构的教材使用。