本書針對推薦系統中的二部圖、社交網絡和知識圖譜的圖結構模式，研究基于圖表示學習的深度推薦系統。通過挖掘圖信息中的隱性關系和高階關系，使用圖學習的方式探索用戶和產品的潛在關聯，彌補相關推薦系統研究在挖掘用戶之間或者產品之間隱性關系方面的不足，形成一系列合理而且有效的推薦技術。增加推薦系統輸入的多樣性，運用社交網絡和知識圖譜等輔助信息，緩解推薦系統目前面臨的“數據稀疏”、“冷啟動”等問題，提高推薦系統的準確性和多樣性，為推薦系統技術的發展提供可參考的方向。
全書共8章，第1章對現有常見的基于深度學習剩余壽命預測技術研究現狀進行深入分析，第2章給出了一種充分融合深度學習和隨機過程優勢的退化系統剩余壽命預測方法，第3章與第4章重點圍繞全壽命周期情形所開展的剩余壽命預測方法研究，第3章得到的點估計預測結果，第4章是在Bayesian深度學習框架下確定的是概率分布預測結果，第5章與第6章針對零壽命標簽情形所開展的剩余壽命預測方法研究，第5章提出了一種基于網絡模型平均的退化系統剩余壽命點估計預測方法，第6章研究了基于Bayesian深度學習的退化系
深度學習是人工智能領域無法避開的課題之一，也是比較強大的方法之一。很多從事算法工作或相關工作的人，或多或少都在應用深度學習方法解決相關領域的問題。本書針對深度學習知識做進階性探討。通過11章內容，對卷積網絡、新型結構、注意力機制、模型壓縮、自監督學習、目標檢測中的高級技巧、無監督學習、Transformer高級篇，以及圖神經網絡和元學習進行了深入的探討，最后對深度學習的未來發展進行了展望。
本書詳細介紹了強化學習的理論推導、算法細節。全書共12章，包括強化學習概述、馬爾可夫決策過程、退化的強化學習問題、環境已知的強化學習問題、基于價值的強化學習算法、基于策略的強化學習算法、AC型算法、基于模型的強化學習算法等相關知識。本書系統性強、概念清晰，內容簡明通俗。除了側重于理論推導，本書還提供了許多便于讀者理解的例子，以及大量被實踐證明有效的算法技巧，旨在幫助讀者進一步了解強化學習領域的相關知識，提升其現實中的工程能力。本書可作為高等院校數學、計算機、人工智能等相關專業的強化學習教材，但需
本書介紹了深度學習的基本理論、工程實踐及其在產業界的部署和應用。在深度學習框架的介紹中，書中結合代碼詳細講解了經典的卷積神經網絡、循環神經網絡和基于自注意力機制的Transformer網絡及其變體。還介紹了這些模型在圖像分類、目標檢測、語義分割、欺詐檢測和語音識別等領域的應用。此外，書中還涵蓋了深度強化學習和生成對抗網絡的前沿進展。在系統工程和產業實踐方面，書中解釋了如何使用分布式系統訓練和部署模型以處理大規模數據。本書系統介紹了構建深度學習推理系統的過程，并結合代碼講解了分布式深度學習推理系統
主要內容● 用進化計算解決復雜的設計和分析問題● 調整深度學習超參數● 將Q-Learning應用于深度學習，從而進行深度強化學習● 優化無監督自編碼器的損失函數和網絡架構● 創建一個能夠參與OpenAI Gym游戲的進化智能體
XGBoost是一種經過行業驗證的開源軟件庫，為快速高效地處理數十億數據點提供了梯度提升框架。首先，本書在介紹機器學習和XGBoost在scikit-learn中的應用后，逐步深入梯度提升背后的理論知識。讀者將學習決策樹，并分析在機器學習環境中的裝袋技術，同時學習拓展到XGBoost的超參數；并將從零開始構建梯度提升模型，將梯度提升擴展到大數據領域，同時通過計時器的使用了解速度限制。接著，本書重點探討XGBoost的細節，著重于速度提升和通過數學推導導出參數。通過詳細案例研究，讀者將練習使用sc
這本書將把人工智能、大數據、云、機器人和智能設備作為背景。揭示了人工智能如何幫助企業實現商業價值指數級增長。本書涵蓋了我們為什么需要人工智能，如何開始，以及成功實施所需的框架和重要元素的全部內容。作者展示了其AI可視化版圖，概述了計劃和衡量一個成功的戰略(包括潛在的權衡)所需的構建模塊，涉及了人工智能、機器學習或預測分析，這個模塊目的是指導一項人工智能和大數據不可忽視戰略。人工智能和大數據正在影響著人類工作和生活的方方面面。這本書旨在向企業領導者、創業者、商務人士闡釋如何理解、適應和利
本書以深入淺出的方式介紹近年來人工智能領域最熱門的技術——多模態大模型的技術方法、開源平臺和應用場景，并詳細闡述因果推理、世界模型及多智能體與具身智能等前沿技術領域，有助于讀者全面了解多模態大模型的特點及發展方向，對新一代人工智能技術范式和通用人工智能的發展起到重要推動作用。全書共5章，第1章深入探討最具代表性的大模型結構，第2章深度剖析多模態大模型的核心技術，第3章介紹多個具有代表性的多模態大模型，第4章深入分析視覺問答、AIGC 和具身智能這3個典型應用，第5章探討實現通用人工智能的可行思路
本書詳細介紹邊緣計算和人工智能技術，主要內容包括邊緣計算與人工智能概述、邊緣計算與人工智能基本開發方法、邊緣計算與人工智能模型開發、邊緣計算與人工智能基礎應用開發、邊緣計算與人工智能綜合應用開發。全書采用項目式開發的學習方法，通過貼近日常生活的開發實例，由淺入深地介紹邊緣計算與人工智能的相關知識。本書中的每個案例均有完整的開發過程，并給出了開發代碼，讀者可在這些案例的基礎上快速地進行二次開發。
新書資訊 新書推薦