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
本书是人工智能专业最基础最全面的高校教材,作者陆汝钤院士系 中国科学院数学与系统科学研究院数学研究所研究员。在知识工程和基于知识的软件工程方面做了系统的、创造性的工作,是我国该领域研究的开拓者之一。倡
《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
《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
本书展现了智能世界中通信网络自动化、智能化的愿景,阐述了华为自动驾驶网络的发展历程、应用场景、基础理论、参考架构及相关的关键技术。本书主要介绍自动驾驶网络的顶层架构、分层架构(包括自智网络引擎、网图、AI Native网元)、关键特征(包括分布式AI、内生安全)等的架构设计,以及网络可信任AI、网络分布式AI、网络数字孪生、网络仿真、网络知识和专家经验数字化、网络人机共生、网元内生智能、网络内生安全等关键技术。本书还介绍了产业组织、标准组织的标准全景和分级评估方法,并以华为自动驾驶网络解决方案为例,阐明如何推行实践。 本书可为通信网络自动化、智能化领域的专业人士,以及科研院所相关领域的研究者提供参考。
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。
本书内容涵盖了轮腿复合与腿臂融合多模式移动操作机器人的机构设计、运动规划与控制方法等相关技术;介绍了四足变拓扑构型机器人和径向对称圆周分布六足机器人,展示了多种轮腿复合、腿臂融合机构与模块化仿生足的设计;阐释了多模式移动操作机器人的步态规划、操作规划、模式切换与轮腿协同路径规划方法;演绎了基于质心运动学的移动操作控制方法、基于惯性中心在SE(3)上指数坐标的多足机器人动力学控制方法及其自适应步态控制技术。