本书共6章：第1章概述了工业报警系统的研究意义、突出问题和研究现状；第2章通过基于报警统计量的状态图，描述了某个时期内报警变量所处的运行状态；第3章提出了报警延迟器、报警死区和报警阈值的优化设计方法；第4章以关联变量的变化方向、变化空间、变化速率为基础，设计了相应的多变量报警器；第5章针对描述报警变量与根源变量关系的不同模型，建立了3种报警根源分析方法；第6章面向短时间内出现的大量报警信息，设计了
电子书
内容简介
本书分为4个单元，包括Python语法精讲、数据预处理和可视化、机器学习以及深度学习，涵盖了Python、pandas、Matplotlib、Seaborn、scikit-learn、TensorFlow、Keras等7种主流工具。
章节目录
- 扉页
- 作者简介
- 自序
- 致谢
- 前言
- 资源与支持
- 目录
- 第1章 Python语法要素
- 1.1 用模块组织代码
- 1.2 模块的两种使用方式
- 1.3 编程的语法要素
- 1.3.1 变量
- 1.3.2 变量的数据类型和运算
- 1.4 代码实战 1 ：计算二维空间两个点的距离
- 1.5 数据结构
- 1.5.1 列表
- 1.5.2 字典
- 1.6 代码实战 2 ：计算三维空间中两个点的距离
- 第2章 语法结构
- 2.1 分支结构
- 2.2 循环结构
- 2.2.1 退出循环
- 2.2.2 else
- 2.3 代码实战：计算高维空间两个点的距离
- 第3章 函数和类
- 3.1 函数
- 3.1.1 定义函数
- 3.1.2 代码实战：距离函数
- 3.2 类和对象
- 3.3 类和继承
- 3.4 小结
- 第4章 走进机器学习
- 4.1 不要关心概念
- 4.2 数据建模
- 4.2.1 用数学公式建模
- 4.2.2 用概率建模
- 4.3 机器学习的功能
- 4.3.1 什么是分类问题
- 4.3.2 什么是回归问题
- 4.3.3 什么是聚类问题
- 4.4 小结
- 第5章 如何获取数据
- 5.1 代码实战1 ：获得鸢尾花数据集
- 5.2 专家解读
- 5.3 代码实战2 ：获得新闻数据集
- 5.4 专家解读
- 5.5 代码实战3 ：生成不均衡数据集
- 5.6 专家解读
- 5.7 小结
- 第6章 读取外部数据
- 6.1 代码实战1 ：从文件读取数据
- 6.2 专家解读
- 6.2.1 对时间的处理
- 6.2.2 大文件迭代
- 6.2.3 CSV文件的写操作
- 6.3 libsvm格式文件的读写
- 6.4 专家解读
- 6.5 代码实战2 ：从MySQL读取数据
- 第7章 数据可视化探索
- 7.1 作者建议
- 7.2 代码实战 1 ：观察分布
- 7.3 代码实战 2 ：观察变量间关系
- 7.4 小结
- 第8章 数据清洗
- 8.1 代码实战 1 ：特征类型校准
- 8.2 代码实战 2 ：数据分布可视化
- 8.3 代码实战 3 ：处理缺失值
- 8.4 代码实战 4 ：经验法则和异常值处理
- 8.5 代码实战 5 ：方差分析和变量筛选
- 第9章 如何做回归
- 9.1 代码实战 1 ：经典回归
- 9.2 专家解读
- 9.3 代码实战 2 ：多元线性回归
- 9.4 专家解读
- 9.5 代码实战 3 ：岭回归
- 9.6 专家解读
- 9.7 代码实战 4 ：Lasso回归
- 9.8 专家解读
- 9.9 代码实战 5 ：KDE回归
- 9.10 专家解读
- 9.11 小结
- 第10章 支持向量机和图像分类
- 10.1 代码实战 1 ：支持向量机和图像识别
- 10.2 专家解读
- 10.3 代码实战 2 ：核技巧
- 10.4 代码实战 3 ：软间隔 vs 硬间隔
- 10.5 小结
- 第11章 模型评估和优化
- 11.1 代码实战 1 ：如何评估模型的分数
- 11.2 专家解读
- 11.3 代码实战 2 ：绘制ROC曲线
- 11.4 专家解读
- 11.5 代码实战 3 ：使用交叉验证对模型评分
- 11.6 小结
- 第12章 神经网络和深度学习
- 12.1 神经网络
- 12.1.1 M-P神经元模型
- 12.1.2 前馈神经网络
- 12.2 卷积神经网络
- 12.2.1 CNN的典型结构示意
- 12.2.2 卷积层
- 12.2.3 ReLU层
- 12.2.4 池化层
- 12.2.5 全连接层
- 12.3 BP算法
- 12.4 盘点著名的CNN架构
- 第13章 深度学习的硬件和软件
- 13.1 为什么是GPU
- 13.1.1 GPU和矩阵运算
- 13.1.2 CUDA
- 13.2 深度学习框架
- 13.2.1 框架的意义
- 13.2.2 各种框架盘点
- 13.2.3 什么是Keras
- 13.3 小结
- 第14章 TensorFlow 入门
- 14.1 初识
- 14.2 专家解读
- 14.3 代码实战：线性回归
- 14.4 小结
- 第15章 Keras入门必读
- 15.1 代码实战1 ：用Keras做线性回归模型
- 15.2 专家解读
- 15.2.1 序列模型和函数式模型的区别
- 15.2.2 激活层的简写
- 15.2.3 Keras的scikit-learn接口
- 15.3 代码实战2 ：手写数字识别
- 15.4 专家解读
- 15.5 小结
- 第16章 识别交通标志
- 16.1 认识数据
- 16.2 从图片文件到张量
- 16.3 搭建网络模型
- 16.4 训练模型
- 16.5 图像增强改进
- 16.6 小结
- 第17章 站在巨人的肩膀上
- 17.1 代码实战1 ：用VGG16做图像识别
- 17.2 代码实战2 ：特征提取
- 17.3 代码实战3 ：迁移学习
- 17.4 经典网络通览
- 17.4.1 VGG16
- 17.4.2 GoogLeNet(Inception)
- 17.4.3 ResNet
- 17.5 小结
- 附录 工作环境搭建说明
- 1. 什么是Python
- 2. 本书所需的工作环境
展开全部
人工智能入门——常用工具是2020年由人民邮电出版社出版,作者张晓明。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《人工智能入门——常用工具》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景拓展。
电子书
《区块链技术与智能服务应用》系统介绍了区块链以及智能服务的有关概念和原理，以及基于区块链智能合约的服务推荐、协同、优化以及负载均衡等技术。《区块链技术与智能服务应用》分为七章，内容涵盖：传统服务到智能化服务的演化，区块链基本概念、智能服务与区块链结合的框架与理论基础，面向冷启动问题的区块链智能服务跨域推荐，基于语义和基于QoS的智能服务组合；基于SaaS的智能服务平台负载均衡，基于分片和状态通的智
电子书
本书内容涉及摄影学、计算机视觉、深度学习3个领域，系统地介绍了计算机视觉在图像质量和摄影学各个领域的核心算法和应用，包括传统的图像处理算法和深度学习核心算法。本书理论知识体系完备，同时提供大量实例，供读者实战演练。本书融合摄影学和计算机视觉的内容，覆盖面非常广。第1章简单介绍摄影的历史、摄影与图像的基本概念和摄影中的许多基本技巧。从第2章开始，本书对摄影学中图像处理算法的各个重要方向进行介绍，包括
电子书
本书较为全面地论述了机器学习、深度学习、大数据技术与图像处理技术的基本概念、基础原理和基本方法，以农业为应用场景，力求通缩易懂，深入浅出的介绍了与机器学习、深度学习、大数据技术与图像处理技术问题联系密切的内容。全书主要分为4大部分：机器学习、大数据技术和图像处理技术的基础知识；经典的机器学习基本理论和方法，以及深度学习和大数据未来的发展；实践应用；机器学习和人工智能的数学基础与编程基础。
电子书
本书内容包括ProcessSimulate概述，夹具、机器人的定义与机构的创建，机器人搬运、机床上下料、机器人焊接、点焊工作站、码垛工作站的模拟仿真。
电子书
本书介绍了深度学习原理与TensorFlow实践。着重讲述了当前学术界和工业界的深度学习核心知识：机器学习概论、神经网络、深度学习。着重讲述了深度学习的实现以及深度学习框架TensorFlow：Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow编程实践、TensorFlowLite和TensorFlow.js、TensorFlow案例--医学应用和S
