本書從知識系統(tǒng)構(gòu)建的支撐技術(shù)和制造企業(yè)的實際應用出發(fā)，系統(tǒng)地介紹了知識工程的概念、方法和應用。全書共7章，重點介紹了知識獲取、知識表示、知識推理及知識管理，在此基礎(chǔ)上，針對制造企業(yè)知識工程實施方法、工具展開了介紹，最后介紹了知識系統(tǒng)的結(jié)構(gòu)、開發(fā)，以及知識工程技術(shù)在機械制造領(lǐng)域的應用。本書結(jié)合知識工程技術(shù)在制造業(yè)的應用案

本書是一本在人工智能領(lǐng)域極具前瞻性和引領(lǐng)性的作品，書中解答了什么是通用人工智能、如何認清智能的本質(zhì)、如何為人工智能找到統(tǒng)一理論與認知架構(gòu)進而為機器立“心”等重要問題，全書共分為兩個部分，總計7章，從兩個方向——“厘清通用人工智能的關(guān)鍵迷思”和“邁向通用人工智能的框架和路線圖”，重點探討了通用人工智能領(lǐng)域發(fā)展的7個重要問

本書系統(tǒng)地講解各種模型在端側(cè)平臺(含嵌入式設(shè)備、移動端設(shè)備)中的工程化實踐，重點討論模型優(yōu)化、模型輕量化設(shè)計、高性能計算、Neon編程、ARM處理器OpenCV編程、基于TFLite的端側(cè)模型部署和性能優(yōu)化、NPU和GPU推理加速等。通過本書的閱讀，讀者可以理解端側(cè)AI模型部署內(nèi)容，包括算法及算子優(yōu)化和對模型的精度、性

本教材內(nèi)容包括機器學習概述、機器學習開發(fā)環(huán)境安裝及使用，以及8個預測任務(wù)(涵蓋監(jiān)督學習、無監(jiān)督學習、集成學習、深度學習等知識點)。在內(nèi)容的選取上，本教材突出數(shù)據(jù)的多樣性、方法的代表性和繼承性，通過豐富的機器學習任務(wù)深入淺出地介紹機器學習技術(shù)在現(xiàn)實生活中的應用和實踐。本教材共有10章，第1-2章是實施機器學習任務(wù)前的概念

本書探討了人工智能(AI)的發(fā)展及其對人類社會的深遠影響。書中首先強調(diào)了科學技術(shù)作為第一生產(chǎn)力的重要性，引用了鄧小平和幾代領(lǐng)導人的觀點，指出科技創(chuàng)新在推動社會生產(chǎn)力和經(jīng)濟增長中的核心作用；在探討財富的起源和增長時，指出工業(yè)革命后的技術(shù)進步是近200多年財富爆發(fā)性增長的主要推動力；書中對世界復雜性的討論同樣引人深思。最引

本書是一本精簡的神經(jīng)網(wǎng)絡(luò)入門教程，用通俗易懂的語言講解神經(jīng)網(wǎng)絡(luò)的相關(guān)知識。本書共6章，第1章對神經(jīng)網(wǎng)絡(luò)領(lǐng)域進行概述，包括其歷史和應用；第2章深入探討神經(jīng)元的數(shù)學模型，包括其輸入、權(quán)值、偏置和激活函數(shù)；第3章介紹感知機的概念，討論感知機的結(jié)構(gòu)，并解釋如何用它來解決簡單的分類問題；第4章介紹多層感知機的概念，講述如何使用前

本教材系統(tǒng)地講解了機器學習的理論與方法，內(nèi)容主要包括高斯混合模型和EM算法、主題模型、采樣與非參數(shù)貝葉斯方法、聚類分析、支持向量機、概率無向圖模型、概率有向圖模型、矩陣與張量分解、多層感知機與卷積神經(jīng)網(wǎng)絡(luò)、序列神經(jīng)網(wǎng)絡(luò)，以及強化學習。本教材旨在使讀者了解機器學習的發(fā)展，理解和掌握機器學習的基本原理、方法與主要應用。本書

機器學習是人工智能的核心領(lǐng)域之一，本書配套周志華教授所著的《機器學習》教材，通過大量習題考查讀者對機器學習相關(guān)知識點的理解與掌握。本書分為兩個部分：第一部分習題對應《機器學習》第1-10章的內(nèi)容，包括緒論、模型評估與選擇、線性模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習；第二部分包含

本書彌補了純數(shù)學書籍和機器學習書籍存在的單一性問題，介紹了理解機器學習所需的必備數(shù)學概念，例如線性代數(shù)、解析幾何、矩陣分解、向量微積分、優(yōu)化、概率和統(tǒng)計，并使用這些概念推導出了四種核心機器學習方法：線性回歸、主成分分析、高斯混合模型和支持向量機。本書每一章都包括一些例子，大部分章還配有習題，以方便讀者測試對所學知識的理

本書以提高學生數(shù)字化素養(yǎng)、提升人工智能通識教育質(zhì)量為目標，引入生活中與人工智能相關(guān)的真實案例，進行基于成果導向的結(jié)構(gòu)設(shè)計，將深奧復雜的人工智能知識體系化、模塊化、生活化，深入淺出，通過貼近生活的小案例、微任務(wù)進行引導式學習。書中包含人工智能、機器學習、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)模塊和人工智能在生活、教學、消防等領(lǐng)域的應用模塊