本书全面介绍了图深度学习的理论基础、模型方法及实际应用。全书分为4篇,共15章。第1篇为基础理论,重点介绍图和深度学习的基础知识,包括图的关键概念和属性、各种基础的神经网络模型、训练深度学习模型的关键方法以及防止训练过程中过度拟合的实用技术;第2篇为模型方法,涵盖了从基本设置到高级设置的成熟的图深度学习方法,包括图嵌入
采用通俗易懂的语言,简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。
本书基于近些年实验领域的研究成果和实践经验,对实验的方法和应用做了很好的全景式描述,是一本兼顾系统性的方法论和基于实战的经验法则的书籍。根据微软、亚马逊、谷歌和领英每年运行的两万多个对照实验,作者以示例和建议的方式向学生和业内人士分享了自己的实践经验,指出了需要避免的陷阱,并深入探讨了一些进阶专题,可以为希望改善自身及
基于边缘计算这一新型的计算模式,边缘智能在更加靠近用户和数据源头的网络边缘侧训练和部署深度学习模型,从而改善应用的性能、成本和隐私性。本书以深入浅出的方式,讲解边缘智能体系架构和关键技术,从时代宏观背景引领到关键支撑技术细节剖析,再到落地实战应用,理论与实践并重,循序渐进,博采而精取,分别向读者清晰地展现了边缘智能的“
本书以scikit-learn和Keras框架作为实战平台,讲解了传统机器学习的主流技术和最新深度学习的研究成果。其中,"第一篇传统机器学习”包括第1~10章,介绍了机器学习概念、监督学习算法(回归分析、Logistic回归、k近邻、决策树、朴素贝叶斯、支持向量机)、无监督学习算法(神经网络、聚类、降维);"第二篇深度
本书主要讲述人工智能的基础知识与基础理论,并通过大量的人工智能应用帮助读者快速了解人工智能相关技术。本书共10章,分别为人工智能概述、人工智能基础知识、机器学习、深度学习、计算机视觉、自然语言处理、知识图谱、人工智能技术应用场景、智能机器人和人工智能的挑战与未来。本书内容丰富,讲解细致,注重技术发展变化。 本书既可作为
本书主要根据作者近年来的研究成果,对网络嵌入表示学习技术进行梳理和总结,全书深入浅出地介绍了表示学习的基础理论,及其在网络对齐、地点推荐、电子健康记录挖掘等应用方面的前沿技术。具体包括:单/多关系网络表示理论与技术、基于单关系网络表示的社交网络对齐、基于多关系网络表示学习的知识图谱对齐、基于网络表示的电子健康记录挖掘、
本书系统地介绍了人工智能的基本原理、方法和应用技术,全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。主要介绍了人工智能的概况、人工智能的基本原理和方法、自动推理、机器学习和神经网络等。
"人工智能导论"是人工智能方业的入门课程。本书是继2019年首版后修订再版的。本版编写的原则是∶坚持教材的现代性,即新的技术路线与新的体系,并形成新一代人工智能技术;坚持教材的应用性,即将人工智能与其他学科,领域进行融合,将其应用到多个行业中去;坚持教材的引导性,即体现教材的基础性、入门性作用。本书由4篇(共17章)组
本书较为系统地介绍了人工智能的发展历史、经典算法和前沿技术,并对算法背后的思维方式进行了哲学思辨。内容既包括经典算法(如k近邻、贝叶斯、决策树和神经网络等),又涵盖前沿技术(如深度学习、自然语言处理等)。本书所有算法均配备对应的实战项目(包括Excel版本和/或Python版本),以帮助读者在实践中理解原理。本书适合高