本书结合分布式计算、大数据、机器学习、深度学习和强化学习等技术,以群体智能为主线,讲述分布式人工智能的原理与应用。本书首先介绍分布式系统的概念、技术概况、计算框架、智能核心及体系架构等内容;然
利用机器翻译技术实现不同语言之间的自由交流始终是最令人期待的计算机应用之一。本书全面回顾了近30年来机器翻译的技术发展历程,遵循机器翻译技术的发展脉络,对基于统计和基于端到端深度学习的机器翻译关键技术
《深度学习》《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
本书原创性地给出类脑智能的标准模型,并全面阐述了类脑系统的基本架构及运行原理。本书特色是从两大不同角度解读类脑智能,达到相互补充、论述周详的效果。其中,第一篇从智能基础原理角度,分十章讲析十项原理;第
虚拟现实(VR)技术是当前快速发展并具有广泛应用前景的技术,《VR技术及其应用》以虚拟现实开发过程及主要技术为内容,系统介绍与虚拟现实相关的AR、VR、MR概念,以及其应用开发过程中所涉及的主要软件和工具,包括软件编程工具、美术内容的制作工具、Unity引擎、VR开发框架和SDK等的主要功能和用法,当前VR应用中主流的头显等硬件设备的特点与应用。最后以VR技术在文化传承创新方面的经典应用开发为案例,呈现VR项目应用开发的全过程。
数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下, 联邦学习(Federated Learning) 作为一种新兴的机器学习技术范式, 凭借其突出的隐私保护能力,展示出在诸多业务场景中的应用价值。 本书从联邦学习的基础知识出发, 深入浅出地介绍了中央服务器优化和联邦机器学习的算法体系, 详细阐述了联邦学习中涉及的加密通信模块的相关知识, 以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系, 还延伸介绍了提升联邦学习服务质量的方法, 并对联邦学习的研究趋势进行了深入探讨与分析, 可以对设计和选择算法提供工具式的参考和帮助。 本书是高校、科研院所和业界相关学者研究联邦学习技术的理想读本, 也适合大数据、人工智能行业的从业者和感兴趣的读者参考。
本书对优化算法的理论和研究进展进行了系统的梳理,旨在帮助读者快速了解该领域的发展脉络,掌握必要的基础知识,进而推进前沿研究工作。本书首先介绍流行的机器学习模式,对重要的优化理论进行回顾,接着重点讨论已
本书结合分布式计算、大数据、机器学习、深度学习和强化学习等技术,以群体智能为主线,讲述分布式人工智能的原理与应用。本书首先介绍分布式系统的概念、技术概况、计算框架、智能核心及体系架构等内容;然
《模式识别》阐明了模式识别学科的科学意义与战略价值,总结了模式识别学科的发展历史及其研究规律,梳理了模式识别学科在基础理论、计算机视觉、语音语言信息处理、模式识别应用技术等方面的发展现状,分析了模式识别学科中尚未完全解决的关键科学问题,确定了面向学科前沿的发展方向和研究重点,指出了模式识别技术创新的新挑战、新使命与新机遇,提出了模式识别学科发展的保障措施与政策建议。《模式识别》旨在为模式识别学科的健康稳定发展奠定坚实的科学基础,促进模式识别在解决国计民生重大需求方面做出应有的贡献。
小型智能机器人制作全攻略 是小型智能机器人制作的资料宝典,通过实例讲解,告诉你制作机器人需要掌握的综合知识,内容翔实,通俗易懂。初学者可以边玩边学,了解小型智能机器人设计、制作和使用的技巧。有制作经验的爱好者也可以从本书中“淘”到不少好点子。本书已经是第5版了,在前4版的基础上做了大量更新了,增加了新的电机、传感器和模块的项目应用实例。这本书意在启发你使用不同的组件来构建机器人,你可以按自己喜欢的方式把书里介绍的模块化的项目加以组合,创建出各种形状和尺寸、高度智能化的机器人。