本书分类《机器学习导论》面向机器学习领域的主要模型和算法，重点阐述不同方法背后的基本假设以及它们之间的相关性，帮助读者建立机器学习的基础理论功底，为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题，线性模型，神经网络及深度学习，核方法，图模型，无监督学习，非参数模型，演化学习，强化学

本书介绍内容包括支持向量机、线性回归、决策树、遗传算法、深度神经网络（VGG、GooleLeNet、Resnet、MobileNet、EfficientNet）、循环神经网络（LSTM、GRU、Attention）、生成对抗网络（DCGAN、WGAN-GP）、自编码器、各种聚类算法、目标检测算法（YOLO、MTCNN）

本书以数据驱动的数学问题研究为核心，是一部由研究工作构成的原创著作。全书共分7章，按三个模块划分：第一个模块是研究背景和框架介绍，即第1章绪论，这是本书主题内容的一个导论；第二个模块是粒度空间的基础理论及模型，由第2～5章组成，其中涉及粒度空间的基本理论，结构聚类特征与融合，以及聚类结构分析理论等研究；第三个模块是粒度

书特色主要有：1、注重实例的一本教材尽可能简化繁琐的数学推导和定理证明，将重点放在解决问题的原理和思路上，并介绍一些经典有趣的实例。2、适合不同专业层次的教材选择结合教学、科研及应用需求，注重概念清晰、既有深度又有广度、理论性较强的教材，着力于内容的体系化，适合不同层次专业选用。3、注重能力评价的考核方式注重能力评价的

《人工智能从小白到大神（案例视频）》主要从人工智能的发展之路说起，结合丰富的应用与实战实例，详细阐述了Python入门、人工智能数学基础、手工打造神经网络、TensorFlow与PyTorch、卷积神经网络、目标分类、目标检测、图像语义分割、循环神经网络、自然语言处理、生成对抗网络、强化学习等行业前沿知识。

本书以TensorFlow2深度学习的常用技术与真实案例相结合的方式,深入浅出介绍TensorFlow2深度学习的重要内容。全书共7章,内容包括深度学习入门、TensorFlow2快速入门、深度神经网络原理及实现、基于CNN的门牌号识别、基于LSTM的语音识别、基于CycleGAN的图像风格转换等技术,以及如何使用Ti

本书是电子科技大学智能信息处理与小波分析应用国际科研学术团队科研工作的阶段性总结。全书紧紧围绕机器学习、图像匹配、互联网协议识别的重要理论和关键技术，系统总结了团队目前的主要研究成果，重点展现了作者的最新研究进展。

本书结合智能计算系统的软硬件技术栈设计了基于通用CPU平台和深度学习处理器平台的分阶段实验和综合实验。其中，分阶段实验以风格迁移作为驱动范例，包括算法实验(第2-3章)、编程框架实验(第4章)、智能编程语言实验(第5章)、深度学习处理器运算器设计实验(第6章)。综合实验(第7章)包括目标检测、文本检测、自然语言处理等不

本书从人工智能的基本定义出发，带领学生由浅入深、层层递进地了解和学习人工智能的理论知识、应用技术及其行业应用。本书将人工智能基础与应用的相关内容划分为基础篇、应用篇和素养篇。其中，基础篇包括揭开人工智能的神秘面纱、人工智能的基础支撑、人工智能的应用技术；应用篇包括AI+安防——为人类安全保驾护航、AI+教育——实现趣味

本书共分12个章节，其中前半部分分别介绍了目前研究领域已经较为成熟的生成对抗网络模型，比如DCGAN、WGAN等等，以及大量不同结构的生成对抗网络变种。生成对抗网络毫无疑问是当今热门的人工智能技术之一，曾被美国《麻省理工科技评论》评选为“全球十大突破性技术”。《生成对抗网络入门指南》是一本结合基础理论与工程实践的入门型