一本包含全部代码的参考书
零基础学习深度学习
基于NumPy的Python语言实现卷积神经网络
本书用极少的数学知识，深入浅出地介绍了机器学习、卷积神经网络的相关概念以及实践中特别重要的数据预处理。书中没有借助深度学习库，完全使用Python语言基于NumPy库实现了神经网络和卷积神经网络，并给出了全部代码。为了方便读者理解深度学习和更好地使用深度学习库，如TensorFlow，书中特别对误差反向传播算法和神经网络的优化方法进行了深入分析。在此基础上，本书进一步实现了经典的VGG网络和移动端MobileNetV2网络，同时介绍了GoogLeNet、ResNet和SENet。
电子书
内容简介
本书从计算思维的角度出发，以人工智能相关问题为引导，在解决案例任务的过程中植入知识点，为各专业学生今后设计、构造和应用各种计算系统，求解本学科问题奠定基础。全书内容包括计算与人工智能概述、自动化编程基础、计算系统、数据获取与存储、数据分析与数据管理、算法初探、人工智能算法、智能与人机交互。
章节目录
- 第一部分 计算与计算思维
- 第1章 计算与人工智能概述
- 1.1 计算的概念
- 1.1.1 什么是计算
- 1.1.2 图灵机
- 1.1.3 什么是计算机
- 1.1.4 算法、计算机语言与程序
- 1.2 什么是计算思维
- 1.2.1 计算思维的概念
- 1.2.2 问题求解方法
- 1.2.3 算法——计算系统的灵魂
- 1.3 探索人工智能
- 1.3.1 智能移动机器人路径规划
- 1.3.2 人工智能历史
- 1.3.3 人工智能相关研究
- 1.4 人工智能发展
- 1.4.1 人工智能应用领域
- 1.4.2 人工智能发展
- 习题
- 第2章 计算系统
- 2.1 计算与计算机简述
- 2.1.1 图灵机模型
- 2.1.2 计算机的工作原理
- 2.1.3 并行计算
- 2.1.4 嵌入式计算
- 2.2 计算执行
- 2.2.1 编译、链接和装载程序
- 2.2.2 程序、进程和线程
- 2.2.3 文件系统
- 2.3 未来的计算机
- 2.3.1 计算机系统的发展
- 2.3.2 未来计算机
- 习题
- 第二部分 程序设计与算法
- 第3章 Python编程基础
- 3.1 问题求解的计算思维方法
- 3.1.1 问题分解
- 3.1.2 模式识别
- 3.1.3 抽象
- 3.1.4 算法设计
- 3.2 编程的基本概念
- 3.2.1 程序的基本要素
- 3.2.2 Python 语言
- 3.2.3 第一个Python 程序：计算篮球某时刻的坐标值
- 3.2.4 Python 基本语法
- 3.2.5 计算并绘制坐标点
- 3.3 模块化编程——函数
- 3.3.1 内置函数
- 3.3.2 自定义计算坐标的函数
- 3.3.3 调用函数绘制坐标点
- 3.3.4 函数的参数
- 3.3.5 函数返回
- 3.4 基本的程序设计方法——分支
- 3.4.1 单分支——if 语句
- 3.4.2 二分支——if-else 语句
- 3.4.3 多分支——if-elif-else 语句
- 3.4.4 智能型计算坐标函数
- 3.4.5 在合理范围内绘制坐标点
- 3.5 基本的程序设计方法——循环
- 3.5.1 while 循环
- 3.5.2 在合理范围内绘制多个坐标点
- 3.5.3 循环嵌套
- 3.5.4 在合理范围内绘制多条轨迹线
- 习题
- 第4章 Python编程进阶
- 4.1 序列数据类型——列表
- 4.1.1 用列表存储多条轨迹线的坐标点
- 4.1.2 列表的基本概念
- 4.1.3 列表的基本操作
- 4.1.4 用列表实现绘制多条线
- 4.2 映射数据类型——字典
- 4.2.1 用字典存储多条轨迹线的坐标点
- 4.2.2 字典的基本概念
- 4.2.3 字典元素的访问
- 4.2.4 字典的基本操作
- 4.2.5 字典的嵌套
- 4.2.6 用字典实现绘制多条线
- 4.3 文件操作
- 4.3.1 文件的基本概念
- 4.3.2 常用文件操作
- 4.3.3 用文件存储多条轨迹线的坐标点
- 4.4 Python 综合案例——百分百机器人投篮
- 4.4.1 案例任务描述
- 4.4.2 案例任务分析
- 4.4.3 案例任务实现路径
- 4.4.4 程序模块的代码实现
- 4.4.5 案例运行结果展示
- 习题
- 第5章 算法设计
- 5.1 什么是算法
- 5.1.1 算法是解题步骤
- 5.1.2 算法与计算思维
- 5.2 算法性能
- 5.2.1 算法性能的衡量指标：时间复杂度
- 5.2.2 算法性能分析举例
- 5.3 问题求解计算思维方法
- 5.3.1 迭代法
- 5.3.2 穷举法
- 5.3.3 二分法
- 5.3.4 递归
- 5.3.5 深度优先遍历
- 5.3.6 梯度下降法
- 习题
- 第三部分 人工智能与智能计算
- 第6章 智能感知
- 6.1 自然语言处理
- 6.2 机器视觉
- 6.3 模式识别
- 6.4 案例分析与实现
- 习题
- 第7章 机器学习
- 7.1 监督学习
- 7.2 无监督学习
- 7.3 半监督学习
- 7.4 案例分析与实现
- 习题
- 第8章 智能决策
- 8.1 基于搜索的最优路径决策
- 8.2 强化学习
- 8.3 群体智能
- 8.4 案例分析与实现
- 习题
- 第9章 智能机器人
- 9.1 机器人技术
- 9.1.1 机器人简介
- 9.1.2 机器人及其应用
- 9.1.3 机器人技术展望
- 9.2 人机交互
- 9.2.1 基于传统硬件设备的人机交互
- 9.2.2 基于触控设备的人机交互
- 9.2.3 基于智能设备的人机交互
- 9.2.4 人机交互未来发展趋势
- 习题
- 第四部分 网络与大数据
- 第10章 互联网信息处理
- 10.1 网络信息获取基础
- 10.1.1 计算机网络基础
- 10.1.2 无线网络与物联网
- 10.1.3 Web 的基本工作方式
- 10.1.4 HTML 简介
- 10.2 网络爬虫与信息提取
- 10.2.1 天气数据爬取案例
- 10.2.2 网络爬虫
- 10.3 搜索引擎原理
- 10.3.1 搜索引擎组成
- 10.3.2 网页排名算法
- 10.4 网络安全
- 10.4.1 网络安全基本属性
- 10.4.2 OSI 网络安全体系结构
- 10.4.3 网络安全模型与网络安全访问模型
- 习题
- 第11章 数据管理与大数据
- 11.1 计算机数据管理
- 11.1.1 人工管理阶段
- 11.1.2 文件系统阶段
- 11.1.3 数据库系统阶段
- 11.1.4 数据文件格式
- 11.2 数据库
- 11.2.1 数据库系统的组成
- 11.2.2 关系型数据库
- 11.2.3 数据库设计
- 11.2.4 数据库和数据表的基本操作
- 11.3 大数据简介
- 11.3.1 大数据的产生
- 11.3.2 大数据的特性
- 11.3.3 大数据处理过程概述
- 11.3.4 高校大数据应用解决方案示例
- 习题
- 第12章 数据分析
- 12.1 数据分析应用
- 12.1.1 数据分析定义
- 12.1.2 数据分析应用场景
- 12.2 数据分析案例
- 12.2.1 数据分析的基本步骤
- 12.2.2 气候数据分析案例
- 12.2.3 数据分析软件
- 12.3 数据分析详解
- 12.3.1 数据采集
- 12.3.2 数据处理
- 12.3.3 数据分析
- 12.3.4 数据挖掘
- 12.3.5 数据可视化
- 习题
- 参考文献
展开全部
计算与人工智能概论是2022年由人民邮电出版社出版,作者罗娟主编。
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《计算与人工智能概论》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
人工智能是计算机科学的一个重要分支与应用。目前人工智能主要的研究与开发方向有模拟、延伸与扩展人类智能的理论、方法、技术及应用系统，涉及的技术与应用包括：大数据思维、知识表示、专家系统、机器学习、深度学习、机器人技术、图像识别、语音识别和自然语言处理等。 本书系统、全面地介绍了人工智能的相关基本观念与知识，既简明扼要地介绍了这一学科的基础知识与应用技术，也对自然语言处理、神经网络与深度学习等内容进
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
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
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
本书系统介绍了人脸识别研究领域的研究状况以及作者在人脸识别领域的研究工作和研究成果，全书共分为3个部分。第1部分首先介绍了人脸识别的基础：计算机视觉和模式识别的原理，并介绍了20世纪70年代以来国内外人脸识别研究的研究动态和主要方法，以及国内外人脸识别研究的主要成果和用途。第2部分介绍了基于双属性图的人脸识别算法，该算法采用人脸特征检测、主成分分析方法、Gabor函数等建立了一个人脸特征识别和属性
