《机器学习中的标记增强理论与应用研究》由东南大学计算机科学与工程学院助理研究员徐宁撰写。全书聚焦标记端多义性这一当今机器学习领域的热点问题，针对学习过程中不可避免的信息损失这一突出问题，提出了标记增强的概念，以期在不增加额外数据标注负担的前提下，挖掘训练样本中蕴含的标记重要性差异信息，将逻辑标记转化为标记分布。《机器学习中的标记增强理论与应用研究》共六章：第1章绪论，介绍了全书的研究背景和研究内容。第2章标记增强研究进展，介绍了标记增强的研究进展。第3章标记增强理论框架，构建了标记增强的理论框架。第4章面向标记分布学习的标记增强，提出了面向标记分布学习的标记增强。第5章标记增强在其他学习问题上的应用，将标记增强应用到其他学习问题上。第6章总结与展望，总结现有工作，并在此基础上进行展望。

这是一本系统讲解人脸识别和人体姿态识别技术、算法和应用的实战性著作，是作者团队多年研究成果和实践经验的总结。既有业界成熟的技术和算法，又有行业的新热点和新趋势。通过本书，读者将能轻松掌握如下知识：机器视觉的概念以及索引技术，包括向量空间索引和度量空间索引；人脸识别技术，以及人脸检测算法、人脸对齐算法、人脸特征提取算法；面向人脸检索的高维空间快速索引技术；人体姿态识别技术、目标检测算法以及算法的性能评测；面向嵌入式设备的人脸识别技术与算法，轻量级的人脸识别技术与算法，以及面向ARM设备的人脸精准识别方法VMFace；人脸识别、人体姿态识别相关技术和算法在门禁、安防和运动训练等场景的应用。

本书主要介绍“机械制造技术”“机械制造装备”课程的10个配套实验，包括实验目的、实验原理、实验设备、实验步骤、实验内容、实验结果等。 本书主要作为普通高等院校机械设计制造及其自动化、飞行器制造工程、工业工程等相关专业“机械制造技术”“机械制造装备”课程的实验教材，也可供其他专业相关课程实验参考。

深度学习框架中蕴藏着惊人的技术和有趣的机制，本书旨在揭开这些技术和机制的神秘面纱，帮助读者正确理解技术，体会它们的有趣之处。为此，本书会带领读者从零开始创建一个深度学习框架——DeZero。DeZero 是本书原创的框架，它用最少的代码实现了现代深度学习框架的功能。本书分60 个步骤来完成这个框架，在此过程中，读者会加深对PyTorch、TensorFlow 和Chainer 等现代深度学习框架的理解，看清深度学习框架的本质。 本书沿袭《深度学习入门：基于Python 的理论与实现》的风格，语言通俗，代码简洁，讲解详细。在自制框架的过程中，读者还能进一步巩固Python 编程和软件开发相关的知识。 本书适合对深度学习框架感兴趣的读者阅读。

本书以人工智能方法解决博弈对抗问题为主线，介绍策略搜索与机器博弈、机器学习与数据对抗、强化学习与对抗决策、博弈论与均衡策略计算等理论基础以及其在求解博弈对抗问题中的应用，探讨人工智能对军事博弈对抗的影响。

暂缺简介...

暂缺简介...

暂缺简介...

本书讲解了经典的高级机器学习算法原理与知识，包括常见的监督学习、无监督学习、概率图模型、核方法、深度神经网络，以及强化学习等内容，同时更强调动手实践。所有算法均利用PyTorch计算框架进行实现，并且在各章节配备实战环节，内容涵盖点击率预估、异常检测、概率图模型变分推断、高斯过程超参数优化、深度强化学习智能体训练等内容。 本书附赠所有案例的源代码及各类学习资料来源，适合具有一定编程基础的人工智能爱好者学习，也是相关从业者和研究人员的学习指南。

本书针对Python 3.6+版本进行了全面更新，涵盖了在这些领域中使用Python组件演示的概率、统计和机器学习之间的链接的关键思想。所提供的Python代码、所有的图形和数值结果都是可重复的。作者通过使用多种分析方法和Python代码处理有意义的示例来开发机器学习中的关键直觉，从而将理论概念与具体实现联系起来。对某些重要结果也给出了详细的证明。