人工智能
-
基于深度学习的水下信息处理方法研究王兴梅 著本书以深度学习相关理论为主要研究方法,通过对声呐获取的水下声信号信息数据和水下声呐成像的图像信息数据进行处理,探讨了基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法、基于多维特征的深度学习水下声信号目标分类识别方法、基于 CWGAN GP&DR的改进 CNN水下声呐图像分类方法和基于类意识领域自适应的水下声呐图像无监督分类方法,为充分利用海洋信息数据提供了重要的理论研究基础和技术实践经验。 本书内容翔实,自成一体,可作为计算机科学与技术、水声工程、智能科学与工程等领域研究的重要参考书,也可作为相关科学领域的研究参考。
-
生成式深度学习大卫·福斯特(David Foster) 著·学习如何通过变分自动编码器改变图像中人物的面部表情。 ·学习如何构建GAN模型,包括风格迁移模型CycleGAN以及音乐生成模型MuseGAN。 ·学习如何通过循环生成模型来生成文本,以及如何利用注意力机制改善模型。 ·学习如何利用生成模型帮助智能体在强化学习环境中完成任务。 ·探索Transformer(BERT、GPT-2),以及ProGAN和StyleGAN等图像生成模型的架构。
-
JavaScript深度学习蔡善清,[美] 斯坦利·比列斯奇,[美] 埃里克·D.,尼尔森,[美] 弗朗索瓦·肖莱 著,程泽 译本书教你使用TensorFlow.js构建强大的JavaScript深度学习应用程序。本书作者均是谷歌大脑团队的资深工程师,也是TensorFlow.js的核心开发人员。你将了解JavaScript与深度学习结合的独特优势,掌握客户端预测与分析、图像识别、监督学习、迁移学习、强化学习等核心概念,并动手在浏览器中实现计算机视觉和音频处理以及自然语言处理,构建并训练神经网络,利用客户端数据优化机器学习模型,开发基于浏览器的交互式游戏,同时为深度学习探索新的应用空间。你还可以获得深度学习模型构建过程中不同问题所涉及的策略和相关限制的实用知识,同时了解训练和部署这些模型的具体步骤以及重要的注意事项。
-
fastai与PyTorch深度学习实践指南JeremyHoward 著深度学习往往被视为数学博士和大型科技公司的专属领域。但正如这本实践指南所展示的那样,熟练使用Python的程序员只需很少的数学背景、少量的数据和最少的代码,就可以在深度学习方面取得令人印象深刻的成果。怎么样才能做到?使用fastai,这是**为最常用的深度学习应用提供一致接口的库。 本书作者Jeremy Howard和Sylvain Gugger是fastai的创建者,他们向你展示了如何使用fastai和PyTorch在各种任务上训练一个模型。你还将逐步深入了解深度学习理论,以便充分理解幕后的算法。 在计算机视觉、自然语言处理、表格型数据和协同过滤中训练模型; 学习在实践中至关重要的**深度学习技术; 通过了解深度学习模型的工作原理,提高准确性、速度和可靠性; 了解如何将你的模型转化为Web应用; 从头开始实现深度学习算法; 考虑你的工作所带来的道德影响; 从PyTorch联合创始人Soumith Chintala的前言中获得启示。
-
TensorFlow神经网络到深度学习张德丰 著本书以TensorFlow为平台,从神经网络到深度学习由浅入深进行介绍,书中每章都以理论引出,以TensorFlow应用巩固结束,做到理论与实践相结合,使读者快速了解神经网络、深度学习等内容,同时领略利用TensorFlow解决这些问题的简单和快捷。本书共12章,主要内容包括TensorFlow软件介绍、计算机视觉与深度学习、深度神经网络的基础、全连接神经网络、卷积神经网络、高级卷积神经网络、循环神经网络、对抗神经网络、其他监督学习、非监督学习、自动编码机、强化学习等。
-
人工智能数学基础陈华 著本书是面向高级人工智能人才培养的高等学校人工智能相关专业规划教材中的一本,通过梳理人工智能涉及的相关数学理论,并通过Python实现相关案例,使抽象的理论具体化,从而加深读者对数学的感性认识,提高读者对数学理论的理解能力。本书首先介绍了人工智能所需的基础数学理论,然后根据数学内容的逻辑顺序,以微积分、线性代数、概率论、数理统计为基础,对函数逼近、最优化理论、信息论、图论进行了深入介绍,同时给出了它们在人工智能算法中的实验案例。另外,该书将免费提供配套 PPT、实验及应用案例等基本教学材料。
-
可穿戴泛在能源系统及控制邓方《可穿戴泛在能源系统及控制》详细介绍太阳能、热能、机械能三种当前常见的可穿戴泛在能源系统供能方式。《可穿戴泛在能源系统及控制》将理论与实验进行结合,以可穿戴太阳能服装、温差发电运动装备、电磁式发电鞋为例,结合控制器与改进算法的应用,展现可穿戴泛在能源系统的发展现状。《可穿戴泛在能源系统及控制》证明了该方向发展的前沿性与实用性,并且提出现阶段存在的发展问题与研究热点,为研究人员提供了可穿戴泛在能源系统的基础理论与解决现有可穿戴泛在能源系统所遇挑战的新思路,总结性地指出了研究改进的方向,起到抛砖引玉的作用。
-
人工智能算法(美),杰弗瑞·希顿9787115523402 人工智能算法 卷1 基础算法 59.00 9787115544315 人工智能算法 卷2 受大自然启发的算法 69.00 9787115552310 人工智能算法 卷3 深度学习和神经网络(全彩印刷) 89.90 《人工智能算法 卷1 基础算法》 算法是人工智能技术的核心。本书介绍了人工智能的基础算法,全书共10 章,涉及维度法、距离度量算法、K 均值聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead 算法和线性回归算法等。书中所有算法均配以具体的数值计算来进行讲解,读者可以自行尝试。每章都配有程序示例,GitHub 上有多种语言版本的示例代码可供下载。本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者阅读参考。 《人工智能算法 卷2 受大自然启发的算法》 算法是人工智能技术的核心,大自然是人工智能算法的重要灵感来源。本书介绍了受到基因、鸟类、蚂蚁、细胞和树影响的算法,这些算法为多种类型的人工智能场景提供了实际解决方法。全书共10章,涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。书中所有算法均配以具体的数值计算来进行讲解,每章都配有程序示例,读者可以自行尝试。 《人工智能算法 卷3 深度学习和神经网络(全彩印刷)》 自早期以来,神经网络就一直是人工智能的支柱。现在,令人兴奋的新技术(例如深度学习和卷积)正在将神经网络带入一个全新的方向。在本书中,我们将演示各种现实世界任务中的神经网络,例如图像识别和数据科学。我们研究了当前的神经网络技术,包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。
-
人工智能简史尼克本书全面讲述人工智能的发展史,几乎覆盖人工智能学科的所有领域,包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等。本书作者和书中诸多人物或为师友或相熟相知,除了详实的考证还有有趣的轶事。 本书既适合专业人士了解人工智能鲜为人知的历史,也适合对人工智能感兴趣的大众读者作为入门的向导。
-
神经反馈原理与实践Thomas F.Collura(托马斯-F.科卢拉) 著,伏云发 译本书是一部阐述基于脑电的神经反馈科学原理和技术基准的著作,兼具完整性与权威性。本书内容分为2部分,第1部分主要介绍大脑节律如何反映主要的神经调节过程,以及用于神经反馈训练的大脑活动信息测量、处理和反馈原理、方法与实践;第2部分结合“自上而下”和“自下而上”的方法,论述了神经反馈的核心科学原理,以及神经反馈评估和治疗的临床经验与实践。本书适合神经调控、认知与心理调控、脑机智能融合等方向的高年级本科生、硕士和博士研究生。同时,本书可启发并指导神经反馈应用于:神经和精神疾病的防治与康复,尤其是对认知和心理障碍的干预;健康个体的认知与行为表现的提升和优化、情绪调节能力的提升、脑机协同训练和学习等实践。