本书通过基础理论和算法实战相结合，循序渐进地介绍了深度学习与交通大数据领域内的计算机基础知识案例和应用实战案例，并通过PyTorch框架实现所有深度学习算法及案例应用。全书共8章，分别介绍了Python基础知识、PyTorch基础知识、深度学习基础模型，以及基于深度学习的轨道交通刷卡数据、共享单车轨迹数据、出租车轨迹数

本书从多维数组Tensor开始，循序渐进地介绍PyTorch各方面的基础知识，并结合深度学习中的经典应用，带领读者从零开始完成几个经典而有趣的实际项目，包括动漫头像生成、风格迁移、自动写诗以及目标检测。本书还介绍了PyTorch的几个高级扩展，包括向量化计算、分布式加速以及CUDA扩展。本书既适合深度学习的初学者及第一

本书是由作者总结多年在遥感图像处理领域的本科教学与研究生培养经验，依托团队在目标检测识别、语义分割、目标跟踪、人脸识别、生成对抗及图像理解等图像处理实际工程优势编写而成。本书从深度学习的基础出发，让学生掌握反向传播、过拟合、损失和优化、激活函数等知识，然后从深度学习的历史出发，由Alexnet网络结构开始，逐步RCMN

机器学习实战基于PythonSKlearn的解析本书前6章介绍基础准备、数据探索、数据预处理、机器学习模型（分类、回归、聚类）、集成学习、模型评估及持久化；第7章介绍机器学习在土木工程中的应用场景，并以五个工程案例系统化讲解SKlearn库的应用。本书轻原理、重实践，适合广大对机器学习有兴趣，并且想系统学习数理统计的读

本书主要包括深度学习的理论部分与实践部分。在本书的理论部分中,本书从“学习”展开,通过对学习的词源考察、历史视野、学术视野梳理以及不同生命阶段学习的分析,明确学习的本质意涵和基本观念。在此基础上,分别从深度学习的缘起和进展、理论基础、基本内涵、过程模型、评价模式五个维度对“深度学习”理论展开阐述。在本书的实践部分,基于

本书主要介绍了以Python为语言的人工智能相基础概念和算法,以实训为主,在实训案例中深刻理解与掌握人工智能相关应用。本书共分为五篇。第一篇介绍Python的基础用法,包含了变量、操作符、列表、元组、字典、科学计算库Numpy、可视化库matplotlib等,第二篇介绍机器学习算法应用,如KNN、逻辑回归、决策树等,第

本书围绕人工智能基础知识介绍了基本开发环境及编程基础知识,机器学习中经典及常用算法及算法实现,深度学习基础知识和实现环境,以及深度神经网络的实现过程,计算机视觉和自然语言处理的部分算法实现,最后通过两个嵌入式人工智能案例融合前面章节介绍的基础算法,完整实现了人工智能在实际生活中的应用实例。通过学习,学生能掌握人工智能的

本书主要包括以下内容:1.针对链接数据的结构特点,将数据的逻辑结构抽象成模块化本体库,给出了本体模块知识完整性的概念,并证明了知识完整性的相关性质。在此基础上,提出了针对模块化语义数据的保守扩充集成算法,分析并验证了算法的可行性和正确性。2.以RDF三元组为研究对象,研究了结构化语义数据源的语义扩展问题。通过分析三元组

本书以“模拟论”化解种种对AI的质疑；以通俗的语言、清晰的逻辑、有趣的历史回眸和作者自己的工作体验引导读者，拨开围绕AI的重重迷雾，获得必备的AI概念和知识，了解AI的学术派别以及目前的困境和发展趋势。从而看清我们国家和教育、科学、企业界面临的竞争态势，自觉建立欢迎AI与人类共生的科学心态，主动投入自己“优雅转型”的历

本书是创客应用技能训练丛书之一,本书遵循“以能力培养为核心,以技能训练为主线,以理论知识为支撑”的编写思想,采用基于工作过程的任务驱动教学模式,使用基于智能硬件ESP32WiFi模块的优创ESP32开发板、WeMosD1R32开发板,应用ArduinoIDE开发环境、MicroPythonIDE开发环境及编程方法,以4