5296次浏览
0-宣传片01-复杂系统02-大数据与机器学习03-人工智能的三个阶段04-高等数学—元素和极限05-复杂网络经济学应用06-机器学习与监督算法07-阿尔法狗与强化学习算法08-高等数学—两个重要的极限定理09-高等数学—导数10-贝叶斯理论11-高等数学—泰勒展开12-高等数学—偏导数13-高等数学—积分14-高等数学—正态分布15-朴素贝叶斯和最大似然估计16-线性代数—线性空间和线性变换17-数据科学和统计学（上）18-线性代数—矩阵、等价类和行列式19-Python基础课程（上）20-线性代数—特征值与特征向量21-监督学习框架22-Python基础课程（下）23-PCA、降维方法引入24-数据科学和统计学（下）25-Python操作数据库、 Python爬虫26-线性分类器27-Python进阶（上）29-熵、逻辑斯蒂回归、SVM引入30-Python进阶（下）31-决策树32-数据呈现基础33-云计算初步34-D-Park实战35-第四范式分享36-决策树到随机森林37-数据呈现进阶38-强化学习（上）39-强化学习（下）40-SVM和神经网络引入41-集成模型总结和GDB
5866次浏览
人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。 本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置，帮助读者更加顺利地进行程序开发。 本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读，读者无需具备Java编程知识，也无需提前了解神经网络的相关概念。本书将从零开始为读者进行由浅入深地讲解。 人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、
7865次浏览
《机器视觉算法与应用(双语版)》是一本关于机器视觉算法与应用的中英文对照版教材。是第一本有关机器视觉软件的教材，详细介绍了机器视觉的各种算法，以及有关这些算法的实际应用。《机器视觉算法与应用》(双语版)的三位作者在MVTec公司负责著名机器视觉算法软件包HALCON的研发工作，同时还在幕尼黑工业大学（TUM）担任客座学者从事机器视觉研究教学工作，具备深厚的理论功底和实战经验。作者在《机器视觉算法与应用(双语版)》中将自己十几年来积累下来的“实战”经验无保留地分享给大家。前言1 简介2 图像采集2.1 照明2.1.1 电磁辐射2.1.2 光源类型2.1.3 光与被测物间的相互作用2.1.4 利用照明的光谱2.1.5 利用照明的方向性2.2 镜头2.2.1 针孔摄像机2.2.2 高斯光学2.2.3 景深2.2.4 远心镜头2.2.5 镜头的像差2.3 摄像机2.3.1 CCD传感器2.3.2 CMOS传感器2.3.3 彩色摄像机2.3.4 传感器尺寸2.3.5 摄像机性能2.4 摄像机-计算机接口2.4.1 模拟视频信号2.4.2 数字视频信号：Camera Link2.4.3 数字视频信
![机器视觉 [美]伯特霍尔德·霍恩著 蒋欣兰译 PDF下载](/upload/image/20200304/1583297601925.jpeg)
3678次浏览
《机器视觉》从逆问题的角度出发，提出了一整套关于机器视觉的研究方法，其核心是：机器视觉应该基于对成像过程的深刻理解！作为作者在麻省理工学院（MIT）所讲授的机器视觉课程的指定教材，本书已经被使用了近30年，至今仍被欧美许多著名高校所广泛使用。本书提供了一个理解现有方法和技术以及为以后的研究做准备的系统框架，其中包含了很多将机器视觉方法应用于实际问题的内容。全书共包括18章，前13章主要讲述早期视觉的内容，后5章更加关注于：解决一些更加复杂的实际问题。最后，作者将各个章节所介绍的方法整合到一起，搭建了一个可以和周围环境进行交互的“眼-手”系统。书中所用到的数学方法，也都收录在最后的附录中；作为内容的补充和扩展，本书还提供了丰富的练习题。本书可以作为高等院校相关专业本科生和研究生一年级课程的教材，也可以作为研究人员的参考书籍。第 1 章 简介 1.1 机器视觉 1.2 机器视觉的任务 1.3 机器视觉和其他领域的关系 1.4 后续章节的概要 1.5 本章参考文献 1.6 习题 第 2 章 成像与图像检测 2.1 成像的两个方面 2.1.1 透视投影 2.1.2 正射投影 2.2 亮度 2.
3063次浏览
随着人工智能热潮的兴起，企业对人工智能领域产品经理的人才需求也开始井喷，人工智能产品经理成为顺应时代潮流的重要人力资源。实际上，人工智能确实给现有的产品和服务带来了全方位的升级，这也给产品经理从业人员提出了更高的要求，是关注人工智能产品的产品经理们面临的一次关键转型考验。《人工智能产品经理——AI时代PM修炼手册》从知识体系、能力模型、沟通技巧等方面帮助大家系统地梳理了人工智能产品经理所必备的基本素质和技能，旨在帮助产品经理找到转型升级的最佳学习路线，以成为合格的人工智能产品经理。《人工智能产品经理——AI时代PM修炼手册》适合现阶段从事产品经理工作的人士转型做人工智能产品时学习，也适合以人工智能产品经理为职业理想的人士阅读。另外，人工智能领域的企业负责人和技术骨干也适合阅读《人工智能产品经理——AI时代PM修炼手册》，以了解企业的技术人才需求。第1章 人工智能时代重新定义产品经理 / 1 1.1 人工智能时代产品的特殊性 / 3 1.1.1 人工智能是工具，也是新的产品设计思维逻辑 / 3 1.1.2 人工智能技术给传统的服务和产品赋能 / 6 1.1.3 构成人工智能产品的三要素
![面向机器智能的TensorFlow实践 [美] 山姆·亚伯拉罕（Sam Abrahams）著 段菲译 PDF下载](/upload/image/20200131/1580459061742.jpeg)
2970次浏览
本书是一本*佳的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给出详细的安装指南。第二部分（第3~4章）深入介绍TensorFlow API的基础知识和机器学习基础。第三部分（第5~6章）探讨如何用TensorFlow实现高级深度模型，涉及卷积神经网络（或CNN）模型和循环神经网络（或RNN）模型。第四部分（第7~8章）探讨TensorFlow API中*新推出的特性，包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。译者序 前言 第一部分 开启TensorFlow之旅 第1章 引言2 1.1 无处不在的数据2 1.2 深度学习2 1.3 Te
3172次浏览
机器学习正在迅速改变我们的世界。我们几乎每天都会读到机器学习如何改变日常的生活。如果你在淘宝或者京东这样的电子商务网站购买商品，或者在爱奇艺或是腾讯视频这样的视频网站观看节目，甚至只是进行一次百度搜索，就已经触碰到了机器学习的应用。使用这些服务的用户会产生数据，这些数据会被收集，在进行预处理之后用来训练模型，而模型会通过这些数据来提供更好的用户体验。此外，目前还有很多使用机器学习技术的产品或服务即将在我们的生活当中普及，如能够解放双手的无人驾驶汽车、聪明伶俐的智能家居产品、善解人意的导购机器人等。可以说要想深入机器学习的应用开发当中，现在就是一个非常理想的时机。本书内容涵盖了有监督学习、无监督学习、模型优化、自然语言处理等机器学习领域所必须掌握的知识，从内容结构上非常注重知识的实用性和可操作性。全书采用由浅入深、循序渐进的讲授方式，完全遵循和尊重初学者对机器学习知识的认知规律。本书适合有一定程序设计语言和算法基础的读者学习使用。目 录 第1章 概 述 1.1 什么是机器学习——从一个小故事开始 / 002 1.2 机器学习的一些应用场景——蝙蝠公司的业务单元 / 003 1.3 机器学
3788次浏览
《深入浅出强化学习：原理入门》用通俗易懂的语言深入浅出地介绍了强化学习的基本原理，覆盖了传统的强化学习基本方法和当前炙手可热的深度强化学习方法。开篇从最基本的马尔科夫决策过程入手，将强化学习问题纳入到严谨的数学框架中，接着阐述了解决此类问题最基本的方法——动态规划方法，并从中总结出解决强化学习问题的基本思路：交互迭代策略评估和策略改善。基于这个思路，分别介绍了基于值函数的强化学习方法和基于直接策略搜索的强化学习方法。最后介绍了逆向强化学习方法和近年具有代表性、比较前沿的强化学习方法。除了系统地介绍基本理论，书中还介绍了相应的数学基础和编程实例。因此，《深入浅出强化学习：原理入门》既适合零基础的人员入门学习、也适合相关科研人员作为研究参考。1 绪论 1 1.1 这是一本什么书 1 1.2 强化学习可以解决什么问题 2 1.3 强化学习如何解决问题 4 1.4 强化学习算法分类及发展趋势 5 1.5 强化学习仿真环境构建 7 1.5.1 gym安装及简单的demo示例 8 1.5.2 深入剖析gym环境构建 10 1.6 本书主要内容及安排 12 第一篇 强化学习基础 17 2 马尔科夫决
3127次浏览
AlphaGo与李世石的围棋大战激发了人们对人工智能是非的诸多争论。人工智能背后的工作原理深度学习跳入大众的视野。AlphaGo的大获全胜一定程度展示了深度学习在应用领域的成功，而语音识别正是深度学习取得显著成功的应用领域之一。本书是首次以深度学习为主线介绍语音识别应用的书籍，对读者了解语音识别技术及其发展历程有重要的参考价值。本书作者俞栋、邓力均是该领域的著名专家，他们是深度学习在应用领域取得突破性进展的推动者与实践者，他们在书中分享的研究成果一定程度上代表了本领域最新的研究进展；译者俞凯、钱彦旻也是本领域的资深专家，并有众多实践成果。对于从事此领域研究的读者来说，本书无疑有重要的参考价值。《解析深度学习：语音识别实践》是首部介绍语音识别中深度学习技术细节的专著。全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括"深度神经网络-隐马尔可夫混合模型"的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。《解析深度学习：语音识别实践》适合有一定机器学习或语音识别基础的学生、研究者或
![概率图模型：原理与技术 [美]Daphne Koller著 王飞跃译 PDF下载](/upload/image/20191226/1577334668008.jpeg)
5352次浏览
概率图模型将概率论与图论相结合，是当前非常热门的一个机器学习研究方向。本书详细论述了有向图模型（又称贝叶斯网）和无向图模型（又称马尔可夫网）的表示、推理和学习问题，全面总结了人工智能这一前沿研究领域的最新进展。为了便于读者理解，书中包含了大量的定义、定理、证明、算法及其伪代码，穿插了大量的辅助材料，如示例（examples）、技巧专栏（skill boxes）、实例专栏（case study boxes）、概念专栏（concept boxes）等。另外，在第 2章介绍了概率论和图论的核心知识，在附录中介绍了信息论、算法复杂性、组合优化等补充材料，为学习和运用概率图模型提供了完备的基础。本书可作为高等学校和科研单位从事人工智能、机器学习、模式识别、信号处理等方向的学生、教师和研究人员的教材和参考书。== 序 言 ==很高兴能够看到我们所著的《概率图模型》一书被翻译为中文出版。我们了解到这本书涵盖的课题已在中国引起了巨大的兴趣。已有众多中国读者写信向我们解释这本书对于他们的学习的重要性，并希望获得更易理解的版本。随着众多来自中国研究机构或国外研究机构的中国学者署名或共同署名的文章的发表，中
3515次浏览
深度卷积网络（DCNN）是目前十分流行的深度神经网络架构，它的构造清晰直观，效果引人入胜，在图像、视频、语音、语言领域都有广泛应用。本书以AI领域新的技术研究和和实践为基础，从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，为读者依次揭开神经网络、卷积网络和深度卷积网络的神秘面纱，让读者了解AI的“思考过程”，以及与人类思维的相同和不同之处。本书在逻辑上分为3个部分：第一部分 综述篇（第1、6、9章）这3章不需要读者具备编程和数学基础，对深度学习和神经网络的基础知识、AlphaGo的架构设计和工作原理，以及深度学习和人工智能未来的技术发展趋势进行了宏观介绍。第二部分 深度卷积网络篇（第2、3、4、5章）结合作者的实际工作经验和案例代码，对深度卷积网络的技术理论、工作原理、实践方法、架构技巧和训练方法做了系统而深入的讲解。第三部分 实战篇（第7、8章）详细分析了AlphaGo和GAN的技术原理、训练方法和应用细节，包括详细的代码分析和大量G
4679次浏览
本书基本独立成册，适用于零基础的初学者。基础篇（第1～3章），讲解了机器学习、深度学习与实践的上下文知识，如基本的机器学习与深度学习算法，TensorFlow框架的安全与配置，简单的深度学习实践。该篇是阅读和实践的基石。原理与实践篇（第4～8章），介绍“老牌”的深度学习网络的数学原理和工程实现原理，尤其是第4章，如果能基本读懂，后面的网络实现层面的问题基本都可以迎刃而解。涵盖BP网络、CNN、RNN的结构、思路、训练与使用，以及一些常见的综合性问题。该篇是学习深度学习的重点和难点，作者通过大量示例、推理与实现，帮读者*大化降低学习曲线。扩展篇（第9～13章），介绍一些网络的变种和一些较新的网络特性，涵盖深度残差网络、受限玻尔兹曼机、强化学习、对抗学习，这是读者进一步学习与实践思路的钥匙。最后给出了一些有趣的深度学习应用：人脸识别、作诗姬、大师风图像处理，有趣又有用。第1章 机器学习是什么 2第2章 深度学习是什么 15第3章 TensorFlow框架特性与安装 38第4章 前馈神经网络 50第5章 手写板功能 81第6章 卷积神经网络 103第7章 综合问题 139第8章 循环神经网络
3410次浏览
《人工智能时代，一本书读懂区块链金融》从区块链的基本定义入手，结合大量实例，全面介绍了区块链技术及其应用，六章正文包括：区块链是什么、深入理解区块链、“玩儿转”区块链——从加密数字货币开始、“区块链+”——区块链技术的全面应用、区块链生态圈——链圈、币圈和矿圈、思考区块链。附录为：我国区块链技术与产业扶持政策概览。 第一章解密区块链，你所不知道的神秘区块链/01带比特币基因/02块链的3个进阶阶段/10块链的4种技术创新/23块链如何运作/33块链的技术挑战/37块链将颠覆我们的世界/41二章人工智能时代，区块链带来金融科技的新蓝图/47块链重构金融业/48联网金融VS区块链金融/52块链助力共享金融的实现/59块链变革金融服务的基础设施/62三章人工智能时代，区块链与金融大数据/67区块链+大数据”创造数据神话/68数据时代区块链再造信任体系/72区块链+大数据”破解传统风控难题/74四章人工智能时代，区块链构建金融信用长城/79数字货币到信任社会/80启全新的金融信任时代/83块链技术构建金融信用生态圈/85块链构建银行业客户信用体系/88五章人工智能时代，区块链金融的六大应用场景
4620次浏览
AI的火爆程度可以说是“妇孺皆知”，无论是“美颜”还是AR识别，身边越来越多的AI元素出现在我们的生活中，让我们的生活更加丰富多彩。在这次课程中，你可以通过丰富有趣的案例，来学习人工智能中的计算机视觉技术，迈上机器学习新台阶。第1章 课程导学包括课程概述、课程安排、学习前提等方面的介绍，让同学们对计算机视觉有所理解第2章 计算机视觉入门通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础，如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍，学习并掌握TensorFlow的基本使用。...第3章 计算机视觉加强之几何变换本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。第4章 计算机视觉加强之图像特效&线段文字绘制视频滤镜也是目前在计算机算法处理上比较火的一个方向之一，在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用第5章 计算机视
2959次浏览
《深度学习：21天实战Caffe》是一本深度学习入门读物。以目前已经大量用于线上系统的深度学习框架Caffe为例，由浅入深，从 Caffe 的配置、部署、使用开始学习，通过阅读 Caffe 源码理解其精髓，加强对深度学习理论的理解，最终达到熟练运用 Caffe 解决实际问题的目的。和国外机器学习、深度学习大部头著作相比，《深度学习：21天实战Caffe》偏重动手实践，将难以捉摸的枯燥理论用浅显易懂的形式表达，透过代码揭开其神秘面纱，更多地贴近实际应用。上篇 初见 第1天 什么是深度学习 2 1.1 星星之火，可以燎原 3 1.2 师夷长技 4 1.2.1 谷歌与微软 4 1.2.2 Facebook、亚马逊与NVIDIA 5 1.3 中国崛起 6 1.3.1 BAT在路上 6 1.3.2 星光闪耀 7 1.3.3 企业热是风向标 8 1.4 练习题 9 第2天 深度学习的过往 10 2.1 传统机器学习的局限性 10 2.2 从表示学习到深度学习 11 2.3 监督学习 12 2.4 反向传播算法 13 2.5 卷积神经网络 15 2.6 深度学习反思 17 2.7 练习题 18 2.
2702次浏览
人工智能领域正在以超乎人们想象的速度发展，本书赶在人工智能彻底占领世界之前完成编写，实属万幸。书中收录了超过100道机器学习算法工程师的面试题目和解答，其中大部分源于Hulu算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发，不仅囊括了机器学习的基本知识 ，而且还包含了成为出众算法工程师的相关技能，更重要的是凝聚了笔者对人工智能领域的一颗热忱之心，旨在培养读者发现问题、解决问题、扩展问题的能力，建立对机器学习的热爱，共绘人工智能世界的宏伟蓝图。“不积跬步，无以至千里”，本书将从特征工程、模型评估、降维等经典机器学习领域出发，构建一个算法工程师必-备的知识体系；见神经网络、强化学习、生成对抗网络等新科研进展之微，知深度学习领域胜败兴衰之著；“博观而约取，厚积而薄发”，在末一章为读者展示生活中各种引领时代的人工智能应用。推荐序 前言 机器学习算法工程师的自我修养 第1章 特征工程 第1节 特征归一化 第2节 类别型特征 第3节 高维组合特征的处理 第4节 组合特征 第5节 文本表示模型 第6节 Word2Vec 第7节 图像数据不足时的处理方法 第2章 模型评估 第1节 评估
2512次浏览
《大数据智能——互联网时代的机器学习和自然语言处理技术》是一本介绍大数据智能分析的科普书籍，旨在让更多的人了解和学习互联网时代的机器学习和自然语言处理技术，以期让大数据技术更好地为我们的生产和生活服务。《大数据智能——互联网时代的机器学习和自然语言处理技术》包括大数据智能基础和大数据智能应用两个部分，共8 章。大数据智能基础部分有三章：第1 章以深度学习为例介绍大数据智能的计算框架；第2 章以知识图谱为例介绍大数据智能的知识库；第3 章介绍大数据的计算处理系统。大数据智能应用部分有5 章：第4 章介绍智能问答，第5 章介绍主题模型，第6 章介绍个性化推荐，第7 章介绍情感分析与意见挖掘，第8 章介绍面向社会媒体内容的分析与应用。最后在《大数据智能——互联网时代的机器学习和自然语言处理技术》的后记部分为读者追踪大数据智能的最新学术材料提供了建议。《大数据智能——互联网时代的机器学习和自然语言处理技术》适合作为高等院校计算机相关专业的研究生学习参考资料，也适合电脑爱好者阅读。作者特别希望本书能够帮助所有愿意对大数据技术有所了解，以及想要将大数据技术应用于本职工作的读者。第1 章 深度学习—
2934次浏览
《自己动手写神经网络》讲解通俗易懂，使用简单的语言描述人工神经网络的原理，并力求以具体实现与应用为导向，除了理论介绍外，每一章节的应用和实践都有具体的实例实现，让读者达到学以致用。《自己动手写神经网络》分为11章，主要内容为：简单的人工神经网络模型和理论应用；介绍了一个基于Java的人工神经网络框架Neuroph；介绍了基于Neuroph开发一个简单的人工神经网络系统—感知机；介绍了ADALINE网络以及使用Neuroph实现ADALINE神经网络；介绍了BP神经网络的基本原理和具体实现；介绍了BP神经网络的具体实践应用；介绍了Hopfield网络的原理、实践和应用；介绍了双向联想网络BAM的原理、实践和应用；介绍了竞争学习网络，特别是SOM网络以及相关算法与实现；介绍了PCA方法以及与PCA方法等价的PCA神经网络。 《自己动手写神经网络》适合以下类型的读者：对神经网络感兴趣，期望可以初步了解神经网络原理的读者；有一定编程经验，期望学习和掌握神经网络的程序员；期望对神经网络进行实际应用的工程人员；任何一名神经网络爱好者。第1章 人工神经网络概述 1 1.1 人工智能与神经网络简史 1
3335次浏览
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。第1章Python机器学习的生态系统1 1.1数据科学／机器学习的工作流程2 1.1.1获取2 1.1.2检查和探索2 1.1.3清理和准备3 1.1.4建模3 1.1.5评估3 1.1.6部署3 1.2Python库和功能3 1.2.1获取4 1.2.2检查4 1.2.3准备20 1.2.4建模和评估26 1.2.5部署34 1.3设置机器学习的环境34 1.4小结34 第2章构建
5237次浏览
本书首先介绍了一些机器学习算法的基础，随后带领你进入一个引人入胜的机器智能世界，你将领略到各种神经网络的魅力及挑战。本书将使用基于DL4J的Java库，带你一起攻克图像处理、语音识别和自然语言处理等领域中的各种问题。同时，你也会接触到当今最重要的其他开发平台，如Theano、TensorFlow和Caffe。通过本书的学习，你将具备用Java攻克深度学习问题的能力，并为这个领域贡献自己的力量。译者序前言第1章深度学习概述1.1人工智能的变迁1.1.1人工智能的定义1.1.2人工智能曾经的辉煌1.1.3机器学习的演化1.1.4机器学习的局限性1.2人与机器的区分因素1.3人工智能与深度学习1.4小结第2章机器学习算法——为深度学习做准备2.1入门2.2机器学习中的训练需求2.3监督学习和无监督学习2.3.1支持向量机2.3.2隐马尔可夫模型2.3.3神经网络2.3.4逻辑回归2.3.5增强学习2.4机器学习应用流程2.5神经网络的理论和算法2.5.1单层感知器2.5.2逻辑回归2.5.3多类逻辑回归2.5.4多层感知器2.6小结第3章深度信念网络与栈式去噪自编码器3.1神经网络的没落3.
4140次浏览
神经网络编程实战:Java语言实现(原书第2版)由10章构成。首先，系统、全面地阐述神经网络相关概念、知识点及特征。然后，重点介绍神经网络学习过程的细节，如何用Java实现神经网络特性及设计神经网络架构，如何优化调整神经网络参数等。后，介绍一些经典案例。本书适合神经网络初学者阅读，也可以作为智能化软件开发人员的工具书。译者序作者和审校者简介前言第1章 神经网络入门 11.1 探索神经网络 11.2 人工神经网络 21.2.1 神经网络是如何组织的 31.2.2 基本元素—人工神经元 31.2.3 赋予神经元生命—激活函数 41.2.4 可变参数—权重 51.2.5 额外参数—偏置 61.2.6 由部分到整体—层 61.2.7 神经网络体系结构 71.2.8 单层网络 71.2.9 多层网络 81.2.10 前馈网络 81.2.11 反馈网络 81.3 从无知到认知—学习过程 91.4 开始编程—神经网络实践 101.5 神经元类 121.6 NeuralLayer类 141.7 ActivationFunction接口 151.8 神经网络类 151.9 运行程序 171.10 本章小
5397次浏览
《深度学习 核心技术与实践》主要介绍深度学习的核心算法，以及在计算机视觉、语音识别、自然语言处理中的相关应用。《深度学习 核心技术与实践》的作者们都是业界一线的深度学习从业者，所以书中所写内容和业界联系紧密，所涵盖的深度学习相关知识点比较全面。《深度学习 核心技术与实践》主要讲解原理，较少贴代码。《深度学习 核心技术与实践》适合深度学习从业人士或者相关研究生作为参考资料，也可以作为入门教程来大致了解深度学习的相关前沿技术。第1 部分深度学习基础篇11 概述21.1 人工智能 31.1.1 人工智能的分类 31.1.2 人工智能发展史 31.2 机器学习 71.2.1 机器学习的由来 71.2.2 机器学习发展史 91.2.3 机器学习方法分类 101.2.4 机器学习中的基本概念 111.3 神经网络 121.3.1 神经网络发展史 13参考文献 162 神经网络172.1 在神经科学中对生物神经元的研究 172.1.1 神经元激活机制 172.1.2 神经元的特点 182.2 神经元模型 192.2.1 线性神经元 192.2.2 线性阈值神经元 192.2.3 Sigmoid 神经
5479次浏览
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书.书中除第1章外, 每章都给出了十道习题. 有的习题
6386次浏览
TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。第2版将书中所有示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时，第2版也补充了更多只有TensorFlow 1.4.0才支持的功能。另外，第2版还新增两章分别介绍TensorFlow高层封装和深度学习在自然语言领域应用的内容。《TensorFlow：实战Google深度学习框架（第2版）》适用于想要使用深度学习或TensorFlow的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、深度学习感兴趣的计算机相关从业人员及在校学生等。目录第1章 深度学习简介1.1 人工智能
