《人工智能魚》是為計(jì)算機(jī)、海洋、水產(chǎn)等相關(guān)學(xué)科的本科生開設(shè)的全校選修課，課程旨在使學(xué)生通過人工智能魚課程學(xué)習(xí)，了解魚類學(xué)、魚類行為學(xué)以及計(jì)算機(jī)學(xué)科間的關(guān)系，掌握魚類行為學(xué)的人工智能算法實(shí)現(xiàn)，提升學(xué)生的動(dòng)手編程能力，促進(jìn)學(xué)校多學(xué)科交融與發(fā)展。本課程將人工智能、計(jì)算機(jī)圖形學(xué)和魚類行為學(xué)相結(jié)合，講解如何設(shè)計(jì)繪制逼真的魚類形態(tài)

本書系統(tǒng)地講解機(jī)器人技術(shù)的基礎(chǔ)知識(shí)及相關(guān)應(yīng)用，內(nèi)容包括機(jī)器人運(yùn)動(dòng)學(xué)、機(jī)器人動(dòng)力學(xué)、機(jī)器人控制、機(jī)器人傳感器、機(jī)器人視覺、機(jī)器人運(yùn)動(dòng)規(guī)劃和倉(cāng)儲(chǔ)物流機(jī)器人系統(tǒng)開發(fā)。本書緊密結(jié)合行業(yè)發(fā)展趨勢(shì)，注重實(shí)踐能力培養(yǎng)，將機(jī)器人基礎(chǔ)理論與應(yīng)用技術(shù)相結(jié)合，真實(shí)反映國(guó)內(nèi)外機(jī)器人研究領(lǐng)域的新進(jìn)展，使讀者能夠全面了解機(jī)器人技術(shù)發(fā)展現(xiàn)狀，同時(shí)結(jié)

本書根據(jù)目前國(guó)際研究水平的相關(guān)研究熱點(diǎn)對(duì)生物傳感器系統(tǒng)理論及相關(guān)最新技術(shù)進(jìn)行詳細(xì)論述，將研究分析和數(shù)據(jù)，以文字、圖片、表格等形式清晰展現(xiàn)給讀者。本書系統(tǒng)地介紹了生物傳感器的基本原理、類型、性能參數(shù)、應(yīng)用和發(fā)展方向，并重點(diǎn)介紹了生物反應(yīng)系統(tǒng)的控制、生物傳感器中的換能器以及電化學(xué)生物傳感器、光化學(xué)生物傳感器、生物芯片、生物

智能問答技術(shù)在自然語言處理和人工智能領(lǐng)域發(fā)揮著重要的作用。它將信息檢索、知識(shí)表示和自然語言處理技術(shù)融合在一起，為智能推薦、網(wǎng)絡(luò)客服等任務(wù)提供了杰出的支持。本書共分為11章，分為3個(gè)部分。第1部分主要介紹知識(shí)庫的構(gòu)建，包括現(xiàn)有的知識(shí)庫構(gòu)建技術(shù)、基礎(chǔ)知識(shí)、數(shù)據(jù)采集技術(shù)、數(shù)據(jù)轉(zhuǎn)換儲(chǔ)存和查詢流程、異構(gòu)數(shù)據(jù)源實(shí)體對(duì)齊和面向知識(shí)圖

圖可以被用于表示各類對(duì)象之間的關(guān)系，而圖神經(jīng)網(wǎng)絡(luò)是指專門用于處理圖數(shù)據(jù)的深度學(xué)習(xí)模型，可實(shí)現(xiàn)對(duì)圖數(shù)據(jù)的建模和推斷。本書系統(tǒng)地介紹了圖神經(jīng)網(wǎng)絡(luò)的基本原理、常用模型和應(yīng)用領(lǐng)域等。首先介紹了兩類最基本的圖神經(jīng)網(wǎng)絡(luò)方法GCN和GraphSAGE，并給出了圖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)目標(biāo)、評(píng)價(jià)方法；然后對(duì)圖神經(jīng)網(wǎng)絡(luò)中常用的模型結(jié)構(gòu)進(jìn)行了深入

生成式AI是科技領(lǐng)域最炙手可熱的話題。這本實(shí)踐用書教授機(jī)器學(xué)習(xí)工程師和數(shù)據(jù)科學(xué)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(xué)習(xí)模型，包括變分自編碼器(VAE)、生成對(duì)抗網(wǎng)絡(luò)(GAN)、Transformers、歸一化流、基于能量的模型和去噪擴(kuò)散模型。本書從深度學(xué)習(xí)的基礎(chǔ)知識(shí)開始，逐步

本書包含代碼實(shí)踐和案例實(shí)踐，運(yùn)用OpenCV、PyTorch等框架工具詳細(xì)講解中文車牌識(shí)別檢測(cè)、采用三元組的FaceNet人臉識(shí)別理論與實(shí)踐、車道檢測(cè)的兩種深度學(xué)習(xí)思路及煙霧檢測(cè)4大實(shí)踐項(xiàng)目。相關(guān)理論可參考《基于深度學(xué)習(xí)的目標(biāo)檢測(cè)原理與應(yīng)用》一書，從而學(xué)以致用、融會(huì)貫通。

許多部門和行業(yè)都渴望將AI和數(shù)據(jù)驅(qū)動(dòng)技術(shù)整合到自己的系統(tǒng)和運(yùn)營(yíng)中。但要構(gòu)建真正成功的AI系統(tǒng)，你需要牢固掌握底層的數(shù)學(xué)知識(shí)。這本綜合指南彌補(bǔ)了AI所展現(xiàn)出的無限潛力和應(yīng)用與相關(guān)數(shù)學(xué)基礎(chǔ)之間的存在的現(xiàn)實(shí)差距。作者HalaNelson并沒有討論高深的學(xué)術(shù)理論，而是以現(xiàn)實(shí)世界的應(yīng)用和最先進(jìn)的模型為重點(diǎn)，介紹了在人工智能領(lǐng)域發(fā)

本書將人工智能技術(shù)的理論及應(yīng)用，結(jié)合大數(shù)據(jù)時(shí)代人工智能的應(yīng)用和意義進(jìn)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(yīng)用，基本原理的主要內(nèi)容包括的分布式人工智能的內(nèi)涵、基本原理、計(jì)算框架等；研究了分布式人工智能學(xué)習(xí)與優(yōu)化、強(qiáng)化學(xué)習(xí)與演化計(jì)算、群智能體強(qiáng)化學(xué)習(xí)等前沿方法；給出了分布式信息融合、視覺感知、協(xié)同搜索、對(duì)抗博弈決策和智能博弈推演等典型應(yīng)用，建立起了較為全面的知識(shí)體系與脈絡(luò)，為后續(xù)研究奠定了良好