《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。
马文·明斯基认为,无论是人类的思维还是人工智能的思维,都是由原本简单的元素相连而组成,当这些元素组成一个整体时,就成为无限复杂的、我们称为思想和感情的东西。这些思想和感情可以转化为人类的体验。本书章节、段落之间的结构和明斯基的理论相呼应,翻过这一篇篇书页,关于思维的统一理论渐渐成型。本书妙趣横生,是想象空间里的一场历险。
本书全面介绍可解释人工智能的基础知识、理论方法和行业应用。全书分为三部分,共11章。第一部分为第1章,揭示基于数据驱动的人工智能系统决策机制,提出一种基于人机沟通交互场景的可解释人工智能范式。第二部分
本书系统地介绍了机器人学的基础理论知识,重心放在机器人机构、规划与控制三个方面,为机器人学的入门教材,可纳入到机器人导论的范畴。 全书以现代数学分支之一——旋量理论为工具和桥梁,衔接全书知识体系。这既是书名定位为现代机器人学的主要依据,也是本书区别其他机器人导论类教材的重要特征。 全书总共13章,第1章为绪论。第2章主要介绍与机器人机构有关的若干基本概念,第3章作为全书的理论基础,详细讨论如何应用旋量理论构建刚体运动模型的过程;第4?7章主要讲述有关机器人运动学方面的基础内容,包括开链机器人正向运动学(第4章)、一阶运动学与静力学(第5章)、逆向运动学(第6章)和并联机器人运动学(第7章)。第8?11章主要讲述有关机器人动力学、规划与控制方面的基础内容,包括开链机器人动力学建模(第8章)、轨迹
本书全面、深入地探讨了人工智能(AI)领域的理论和实践,以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中,真正做到理论和实践相结合。全书分7个部分,共28章,理论部分介绍了人工智能
本书主要面向OpenCV领域的研究与开发人员,采用原理结合实战的方式,介绍OpenCV 4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10章, ~3章, 介绍OpenCV 4的基础知识、基本图像操作和机器学习基础知识;第4~8章,介绍K-means、KNN、决策树、随机森林、Boosting算法和支持向量机等机器学习算法与编程实战;第9~10章,介绍神经网络与深度神经网络的基本原理与编程实战,并提供了不同深度学习模型的部署示例代码。
本书系统地介绍了机器人学的基础理论知识,重心放在机器人机构、规划与控制三个方面,为机器人学的入门教材,可纳入到机器人导论的范畴。 全书以现代数学分支之一——旋量理论为工具和桥梁,衔接全书知识体系。这既是书名定位为现代机器人学的主要依据,也是本书区别其他机器人导论类教材的重要特征。 全书总共13章,第1章为绪论。第2章主要介绍与机器人机构有关的若干基本概念,第3章作为全书的理论基础,详细讨论如何应用旋量理论构建刚体运动模型的过程;第4?7章主要讲述有关机器人运动学方面的基础内容,包括开链机器人正向运动学(第4章)、一阶运动学与静力学(第5章)、逆向运动学(第6章)和并联机器人运动学(第7章)。第8?11章主要讲述有关机器人动力学、规划与控制方面的基础内容,包括开链机器人动力学建模(第8章)、轨迹