本書英文版出版至今已近20年，但關(guān)于大腦究竟如何工作的問題至今仍無答案，而符號主義（認(rèn)為大腦是類似于計(jì)算機(jī)的加工符號的機(jī)器）與聯(lián)結(jié)主義（認(rèn)為大腦是并行運(yùn)轉(zhuǎn)的大型神經(jīng)網(wǎng)絡(luò)）之間的爭論也從未停息。本書分析了聯(lián)結(jié)主義模型和符號加工模型在計(jì)算方面的優(yōu)勢和劣勢，關(guān)注不同聯(lián)結(jié)主義模型之間的差異以及特定模型與符號加工的特定假設(shè)之間的

數(shù)據(jù)孤島問題已經(jīng)成為制約人工智能發(fā)展的主要阻礙。在此背景下,聯(lián)邦學(xué)習(xí)(FederatedLearning)作為一種新興的機(jī)器學(xué)習(xí)技術(shù)范式,憑借其突出的隱私保護(hù)能力,展示出在諸多業(yè)務(wù)場景中的應(yīng)用價(jià)值。本書從聯(lián)邦學(xué)習(xí)的基礎(chǔ)知識出發(fā),深入淺出地介紹了中央服務(wù)器優(yōu)化和聯(lián)邦機(jī)器學(xué)習(xí)的算法體系,詳細(xì)闡述了聯(lián)邦學(xué)習(xí)中涉及的加密通信模

本書介紹如何構(gòu)建完整的機(jī)器學(xué)習(xí)流水線，從而在生產(chǎn)環(huán)境中準(zhǔn)備數(shù)據(jù)以及訓(xùn)練、驗(yàn)證、部署和管理機(jī)器學(xué)習(xí)模型。你將了解機(jī)器學(xué)習(xí)流水線的每個(gè)環(huán)節(jié)，以及如何利用TensorFlowExtended（TFX）構(gòu)建機(jī)器學(xué)習(xí)流水線。模型的生命周期是一個(gè)閉環(huán)，其中包括數(shù)據(jù)讀取、數(shù)據(jù)校驗(yàn)、數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型分析、模型驗(yàn)證、模型部署、

本書是深度學(xué)習(xí)領(lǐng)域的入門教材，闡述了深度學(xué)習(xí)的知識體系，涵蓋人工智能的基礎(chǔ)知識以及深度學(xué)習(xí)的基本原理、模型、方法和實(shí)踐案例，使讀者掌握深度學(xué)習(xí)的相關(guān)知識，提高以深度學(xué)習(xí)方法解決實(shí)際問題的能力。全書內(nèi)容包括人工智能基礎(chǔ)、機(jī)器學(xué)習(xí)基礎(chǔ)、深度學(xué)習(xí)主要框架、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自編碼器與生成對抗網(wǎng)絡(luò)。 本

本書第4版共10章。第1章敘述人工智能的定義、起源與發(fā)展，歸納了人工智能的研究目標(biāo)、研究內(nèi)容和核心要素，簡介人工智能的研究和計(jì)算方法，列舉出人工智能的研究與應(yīng)用領(lǐng)域，歸納了人工智能對人類經(jīng)濟(jì)、社會和文化的影響。第2章主要研究人工智能的知識表示方法，如狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網(wǎng)絡(luò)法、框架表示、知識圖譜、和

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的不斷發(fā)展，許多領(lǐng)域都產(chǎn)生了大量的數(shù)據(jù)。利用機(jī)器學(xué)習(xí)技術(shù)分析海量數(shù)據(jù)，可以從數(shù)據(jù)中發(fā)現(xiàn)隱含的、有價(jià)值的規(guī)律和模式，進(jìn)而用于預(yù)測并采取相應(yīng)動作。在上述背景下，本書從理論、技術(shù)和應(yīng)用三個(gè)層面入手，全面講解如何利用機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際問題。本書共分26章，內(nèi)容包括機(jī)器學(xué)習(xí)解決問題流程、問題分析

本書是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域?qū)�業(yè)多年實(shí)踐的結(jié)晶，深入淺出講解機(jī)器學(xué)習(xí)應(yīng)用和工程實(shí)踐，是對機(jī)器學(xué)習(xí)工程實(shí)踐和設(shè)計(jì)模式的系統(tǒng)回顧。全書分別從項(xiàng)目前的準(zhǔn)備，數(shù)據(jù)收集和準(zhǔn)備，特征工程，監(jiān)督模型訓(xùn)練，模型評估，模型服務(wù)、監(jiān)測和維護(hù)等方面講解，由淺入深剖析機(jī)器學(xué)習(xí)實(shí)踐過程中遇到的問題，幫助讀者快速掌握機(jī)器學(xué)習(xí)工程實(shí)踐和設(shè)計(jì)模式的基

大數(shù)據(jù)時(shí)代的到來，為人工智能的飛速發(fā)展帶來前所未有的數(shù)據(jù)紅利。在大數(shù)據(jù)的喂養(yǎng)下，大量知識不斷涌現(xiàn)，如何有效地發(fā)掘這些知識呢？知識圖譜橫空出世。本書是一本講解如何使用TensorFlow2構(gòu)建知識圖譜的入門教程，引導(dǎo)讀者掌握基于深度學(xué)習(xí)的知識圖譜構(gòu)建概念、理論和方法。本書分為13章：第1章從搭建環(huán)境開始，包含Tensor

本書記載的2020線上智博會”在困難中創(chuàng)新，將線上線下、現(xiàn)實(shí)與虛擬進(jìn)行的有機(jī)結(jié)合，應(yīng)用的VR、AR、數(shù)字孿生等現(xiàn)代信息技術(shù)。內(nèi)容包括：盛會：全球精英的思維演進(jìn)；趨勢：智能產(chǎn)業(yè)的關(guān)鍵導(dǎo)航等。

機(jī)器學(xué)習(xí)目前是人工智能和模式識別領(lǐng)域的共同研究熱點(diǎn)，其理論和方法已被廣泛應(yīng)用于解決工程應(yīng)用和科學(xué)領(lǐng)域的復(fù)雜問題。作者從解決實(shí)際問題的角度出發(fā)，通過大量的實(shí)戰(zhàn)經(jīng)驗(yàn)深入剖析機(jī)器學(xué)習(xí)算法在解決實(shí)際問題中的具體應(yīng)用，處理數(shù)據(jù)從一維到二維，研究對象從文本到圖像，解決問題從股票預(yù)測到圖像去霧。全書用通俗易懂的語言和繪聲繪色的插圖從