智能問答技術在自然語言處理和人工智能領域發(fā)揮著重要的作用。它將信息檢索、知識表示和自然語言處理技術融合在一起，為智能推薦、網絡客服等任務提供了杰出的支持。本書共分為11章，分為3個部分。第1部分主要介紹知識庫的構建，包括現有的知識庫構建技術、基礎知識、數據采集技術、數據轉換儲存和查詢流程、異構數據源實體對齊和面向知識圖

圖可以被用于表示各類對象之間的關系，而圖神經網絡是指專門用于處理圖數據的深度學習模型，可實現對圖數據的建模和推斷。本書系統(tǒng)地介紹了圖神經網絡的基本原理、常用模型和應用領域等。首先介紹了兩類最基本的圖神經網絡方法GCN和GraphSAGE，并給出了圖神經網絡的學習目標、評價方法；然后對圖神經網絡中常用的模型結構進行了深入

生成式AI是科技領域最炙手可熱的話題。這本實踐用書教授機器學習工程師和數據科學人員如何利用TensorFlow和Keras從零開始創(chuàng)建令人印象深刻的生成式深度學習模型，包括變分自編碼器(VAE)、生成對抗網絡(GAN)、Transformers、歸一化流、基于能量的模型和去噪擴散模型。本書從深度學習的基礎知識開始，逐步

本書包含代碼實踐和案例實踐，運用OpenCV、PyTorch等框架工具詳細講解中文車牌識別檢測、采用三元組的FaceNet人臉識別理論與實踐、車道檢測的兩種深度學習思路及煙霧檢測4大實踐項目。相關理論可參考《基于深度學習的目標檢測原理與應用》一書，從而學以致用、融會貫通。

許多部門和行業(yè)都渴望將AI和數據驅動技術整合到自己的系統(tǒng)和運營中。但要構建真正成功的AI系統(tǒng)，你需要牢固掌握底層的數學知識。這本綜合指南彌補了AI所展現出的無限潛力和應用與相關數學基礎之間的存在的現實差距。作者HalaNelson并沒有討論高深的學術理論，而是以現實世界的應用和最先進的模型為重點，介紹了在人工智能領域發(fā)

本書將人工智能技術的理論及應用，結合大數據時代人工智能的應用和意義進行了探討，為同行起到了借鑒和參考的作用。

本書闡述了分布式人工智能原理及其應用，基本原理的主要內容包括的分布式人工智能的內涵、基本原理、計算框架等；研究了分布式人工智能學習與優(yōu)化、強化學習與演化計算、群智能體強化學習等前沿方法；給出了分布式信息融合、視覺感知、協同搜索、對抗博弈決策和智能博弈推演等典型應用，建立起了較為全面的知識體系與脈絡，為后續(xù)研究奠定了良好

本書是一本探討意識起源、勾勒人工智能未來圖景的學術性科普圖書。如今，人工智能已經滲透到我們生活的方方面面，給我們生活帶來巨大便利的同時，也引發(fā)了人們對人工智能會威脅人類生存的擔憂。人工智能的本質是什么？機器能產生意識嗎？如何度量機器的智能？在人工智能熱潮涌現的今天，本書作者直面人工智能研究乃至眾多前沿科學研究都繞不過去

"本書是在廣東省精品資源共享課程教材《自動控制原理》（第5版）的基礎上經總結、提高及補充后編寫的“簡明版”。本書從工程實際出發(fā)，介紹和討論了“經典控制理論”最基本和重要的內容及其應用。第1~6章為線性連續(xù)系統(tǒng)；第7章為線性離散系統(tǒng)；第8章為非線性（描述函數）系統(tǒng)。本書適用于應用型本科電氣類、自動化類、儀器類等相關專業(yè)自

數據挖掘與機器學習--基于R語言編程