三民網路書店 中國圖書館分類法 / 工業技術 / 自動化技術、計算機技術 / 自動化基礎理論 / 自動推理、機器學習

IEC《Semantic interoperability challenges in the digital transformation age 》是IEC2019年公開出版的白皮書，重點討論了語義互操作性在信息化轉型時代的挑戰及應對措施。本白皮書提供了對當前和未來挑戰的評估，這些挑戰涉及工業領域中的語義互操作性以及相關的基於行業的標準。 本文的主要目標是確定基於本體的語義技術的應用以及已經存在的信息模型可用于改善應用程序和域之間以及之間的互操作性的條件，並基於對用例與 現有技術和標準。

本書的主要內容有：定義產品目標，將其轉化為機器學習問題。快速搭建第一條端到端流水線，創建初始數據集。訓練和評估機器學習模型，解決性能瓶頸。將模型部署到生產環境，持續監控使用情況。

類腦智能技術是當前國際重要的科技前沿，研究類腦智能技術對發展新型信息產業意義重大。本書介紹了一種新穎的類腦模型―大腦情感學習模型，並介紹了其學習算法、改進技術及應用。大腦情感學習模型根據哺乳動物大腦邊緣系統的結構建立，在模擬生物智能行為上表現出了良好的自適應性能，模型結構簡單，運算速度快。本書共9章，分為3篇：基礎篇、改進篇和應用篇。基礎篇主要介紹大腦情感學習模型的研究現狀、神經生理學基礎與學習算法；改進篇主要介紹大腦情感學習模型的改進技術，通過加入監督學習和競爭學習機制改進模型性能；應用篇主要介紹將改進的大腦情感學習模型用於混沌時間序列預測、疾病診斷、表情識別及人機情感交互等領域的例子。本書可以作為研究生、高校教師及工程技術人員的自學和參考用書，也適合對類腦模型研究感興趣的研究人員和工程技術人員閱讀。

本書主要介紹經典的機器學習算法的原理和改進，以及Python的實例實現。本書的內容可以分成三部分： 第一部分是機器學習概念篇(第1章)，充分介紹機器學習的相關概念，並且對機器學習的各種算法進行分類，以便讀者對機器學習的知識框架有整體的瞭解，從而在後續的學習中更容易接受機器學習涉及的各類算法； 第二部分是Python機器學習基礎篇(第2章和第3章)，簡單介紹Python的基本使用方法、機器學習庫scikitlearn和人工智能工具集OpenAI Gym； 第三部分是機器學習算法與Python實踐篇(第4～19章)，對監督學習、無/非監督學習、強化學習三大類常用算法逐一講解，包括機器學習算法的原理、算法的優缺點、算法的實例解釋以及Python的實踐應用。 本書適合對人工智能、機器學習感興趣的讀者，希望用機器學習完成設計的計算機或電子信息專業的學生，準備開設機器學習、深度學習實踐課的授課老師，學習過C語言，且希望進一步提高編程水平的開發者，剛從事機器學習、語音、機器視覺、智能機器人研發的算法工程師閱讀。

本書是《動手學深度學習》的重磅升級版本，選用經典的PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。本書重新修訂《動手學深度學習》的所有內容，並針對技術的發展，新增注意力機制、預訓練等內容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，並由線性模型引出最簡單的神經網絡――多層感知機；第二部分闡述深度學習計算的關鍵組件、卷積神經網絡、循環神經網絡、注意力機制等大多數現代深度學習應用背後的基本工具；第三部分討論深度學習中常用的優化算法和影響深度學習計算性能的重要因素，並分別列舉深度學習在計算機視覺和自然語言處理中的重要應用。本書同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術人員和研究人員。閱讀本書需要讀者瞭解基本的Python編程知識及預備知識中描述的線性代數、微分和概率等基礎知識。

人工智能領域正在以超乎人們想像的速度發展，本書趕在人工智能徹底佔領世界之前完成編寫，實屬萬幸。書中收錄了超過100道機器學習算法工程師的面試題目和解答，其中大部分源於Hulu算法研究崗位的真實場景。本書從日常工作、生活中各種有趣的現象出發，不僅囊括了機器學習的基本知識，而且還包含了成為出眾算法工程師的相關技能，更重要的是凝聚了筆者對人工智能領域的一顆熱忱之心，旨在培養讀者發現問題、解決問題、擴展問題的能力，建立對機器學習的熱愛，共繪人工智能世界的宏偉藍圖。“不積跬步，無以至千里”，本書將從特徵工程、模型評估、降維等經典機器學習領域出發，構建一個算法工程師必-備的知識體系；見神經網絡、強化學習、生成對抗網絡等新科研進展之微，知深度學習領域勝敗興衰之著；“博觀而約取，厚積而薄發”，在末一章為讀者展示生活中各種引領時代的人工智能應用。

本書通過正在學習機器學習的程序員綾乃和她朋友美緒的對話，結合回歸和分類的具體問題，逐步講解了機器學習中實用的數學基礎知識。其中，重點講解了容易成為學習絆腳石的數學公式和符號。同時，還通過實際的Python 編程講解了數學公式的應用，進而加深讀者對相關數學知識的理解。

本書的目標是幫助讀者全面、系統地學習機器學習所必須的數學知識。全書由8章組成，力求精准、最小地覆蓋機器學習的數學知識。包括微積分，線性代數與矩陣論，最優化方法，概率論，信息論，隨機過程，以及圖論。本書從機器學習的角度講授這些數學知識，對它們在該領域的應用舉例說明，使讀者對某些抽象的數學知識和理論的實際應用有直觀、具體的認識。 本書內容緊湊，結構清晰，深入淺出，講解詳細。可用作計算機、人工智能、電子

機器學習已經廣泛地應用於各行各業，深度學習的興起再次推動了人工智能的熱潮。本書結合項目實踐，首先討論主流機器學習平臺的主要特點和機器學習的實戰難點；在此基礎上，利用主流的機器學習開源平臺TensorFlow、OpenVINO、PaddlePaddle等，通過19個實戰案例，詳細地分析決策樹、隨機森林、支持向量機、邏輯回歸、貝葉斯網絡、聚類、卷積神經網絡、循環神經網絡、生成對抗網絡等機器學習和深度學習算法在金融、零售、汽車、電力、交通等典型領域的應用。 本書可以作為從事機器學習和深度學習工作的相關研究人員和技術人員的參考書，也可以作為高校相關專業機器學習、深度學習、數據挖掘等課程的實驗和實訓教材。

本書基於 C++編寫，旨在帶領讀者動手打造出一個深度學習框架。本書首先介紹 C++模板元編程的基礎技術，然後在此基礎上剖析深度學習框架的內部結構，逐一實現深度學習框架中的各個組件和功能，包括基本數據結構、運算與表達模板、基本層、複合層、循環層、求值與優化等，最終打造出一個深度學習框架。本書將深度學習框架與 C++模板元編程有機結合，更利於讀者學習和掌握使用 C++開發大型項目的方法。本書適合對 C++有一定瞭解，希望深入瞭解深度學習框架內部實現細節，以及提升 C++程序設計水平的讀者閱讀。

本書基於豐富的圖示，詳細介紹了有監督學習和無監督學習的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機、核方法、樸素貝葉斯、隨機森林、神經網絡、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進行了實現，讀者可一邊運行代碼一邊閱讀，從而加深對算法的理解。

機器學習專門研究計算機怎樣模擬或實現人類的學習行為，它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域。本書是一本機器學習的入門書，通過本書，學習者將初步理解主流的機器學習算法，並且可以用機器學習技術解決現實生活中的問題。只要有本科三年級以上的數學知識，會一種編程語言，就可以掌握本書的絕大部分內容。 本書共有15章，主要講解經典的機器學習算法，如線性回歸、邏輯回歸、決策樹等，同時講解近幾年才出現的算法，如XGBoost、LightGBM等集成學習算法。此外，本書還會講解利用機器學習解決問題的實用技術，如Python、Scikitlearn工具的使用等。 本書配套有教學大綱、教學進度、教學課件、教學視頻及習題，可以作為專科生、本科生、研究生的機器學習教材，也可以作為從事機器學習、數據挖掘相關工作的研究人員和技術人員的參考書。

《機器學習中的標記增強理論與應用研究》由東南大學計算機科學與工程學院助理研究員徐甯撰寫。全書聚焦標記端多義性這一當今機器學習領域的熱點問題，針對學習過程中不可避免的信息損失這一突出問題，提出了標記增強的概念，以期在不增加額外數據標注負擔的前提下，挖掘訓練樣本中蘊含的標記重要性差異信息，將邏輯標記轉化為標記分佈。《機器學習中的標記增強理論與應用研究》共六章：第1章緒論，介紹了全書的研究背景和研究內容。第2章標記增強研究進展，介紹了標記增強的研究進展。第3章標記增強理論框架，構建了標記增強的理論框架。第4章面向標記分佈學習的標記增強，提出了面向標記分佈學習的標記增強。第5章標記增強在其他學習問題上的應用，將標記增強應用到其他學習問題上。第6章總結與展望，總結現有工作，並在此基礎上進行展望。

本書以通俗易懂的風格介紹了機器學習和深度學習技術，只涉及了基本的數學知識。本書由兩位機器學習和深度學習領域的專家編寫，書中的案例涵蓋了銀行、保險、電子商務、零售和醫療等多個行業。本書講述如何在當今的智能設備和應用程序中使用機器學習和深度學習技術。本書提供了對書中涉及的數據集、代碼和示例項目的下載。 l 機器學習和深度學習的概念 l 隨機森林和提升方法 l Python編程與統計學基礎 l 人工神經網絡 l 回歸與邏輯回歸 l TensorFlow與Keras l 決策樹 l 深度學習超參數 l 模型選擇與交叉驗證 l 卷積神經網絡(CNN) l 聚類分析 l 循環神經網絡(RNN)和長短期記憶網絡(LSTM)

本書比較全面、系統地介紹了深度強化學習的理論和算法，並配有大量的案例和編程實現。全書核心內容可以分為3部分，第一部分為經典強化學習，包括第2、3、4章，主要內容有動態規劃法，蒙特卡洛法、時序差分法；第二部分為深度強化學習，包括第6、7、8章，主要內容有值函數近似法、策略梯度法、策略梯度法進階；第三部分重點介紹了深度強化學習的經典應用――AlphaGo系列算法。另外，作為理論和算法的輔助，第1章介紹了強化學習的模型，第5章簡單介紹了深度學習和PyTorch編程框架。 本書可以作為理工科大學相關專業研究生的學位課教材，也可以作為人工智能、機器學習相關專業高年級本科生的選修課教材，還可以作為相關領域學術研究人員、教師和工程技術人員的參考資料。

本書兼顧機器學習基礎、經典方法和深度學習方法,對組成機器學習的基礎知識和基本算法進行了比較細緻的介紹,對廣泛應用的經典算法如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、決策樹和集成學習等算法都給出了深入的分析並討論了無監督學習的基本方法,對深度學習和強化學習進行了全面的敘述,比較深入地討論了反向傳播算法、多層感知機、CNN、RNN 和 LSTM 等深度神經網絡的核心知識和結構;對於強化學習,不僅介紹了經典表格方法,還討論了深度強化學習。 本書是面向大學理工科和管理類各專業的寬口徑、綜合性機器學習的教材,可供本科生和一年級研究生課程使用,也可供科技人員、工程師和程序員自學機器學習的原理和算法使用。本書對基礎和前沿、經典方法和熱門技術進行了盡可能的平衡,使得讀者不僅能在機器學習領域打下一個良好的基礎,同時也可以利用所學知識解決遇到的實際問題並為進入學科前沿打好基礎。

本書從語義匹配的角度解決搜索引擎和推薦系統的關鍵痛點，為構建解決語義匹配問題的深度學習模型提供了通用框架。第1章概述搜索和推薦中的語義匹配問題，以及近年來的研究進展。第2章介紹傳統匹配模型，包括潛在空間模型。第3章介紹深度學習技術在構建匹配模型時的應用。第4章和第5章分別介紹用於搜索和推薦的深度匹配模型，並將當前的深度學習解決方案分為兩類：表示學習方法和匹配函數學習方法。第6章對全書內容做了總結，並為讀者指明進一步學習的方向。 本書適合對深度學習感興趣的各類讀者，包括相關專業的本科生、研究生、博士生，以及從事信息檢索、搜索引擎、推薦系統、計算廣告相關工作的軟件工程師。

隨著雲計算、大數據等的快速發展，越來越多的組織用信息化手段進行流程管理。如何提升流程執行的智能化程度、動態性和柔性，以提高對非標準業務的管理效率，是流程管理面臨的一個重要問題。 本書基於流程管理系統積累的日誌，提出了3種流程管理的工作流活動推薦方法，分別為基於用戶類別近鄰的活動推薦方法、基於Pearson相關係數的活動推薦方法和基於協同過濾的活動推薦方法，並介紹了一種流程信息的可視化算法，實現了一個可視化原型系統。 本書結構清晰，文字流暢，圖文並茂，適合從事流程管理系統研究的讀者閱讀，也適合作為高校相關專業師生的參考書。

本書介紹大量特徵工程技術，闡明特徵工程的基本原則。主要內容包括：機器學習流程中的基本概念，數值型數據的基礎特徵工程，自然文本的特徵工程，詞頻- 逆文檔頻率，高效的分類變量編碼技術，主成分分析，模型堆疊，圖像處理，等等。

《支持深度學習的階梯教學》共分為三篇。上篇――認識突破，圍繞深度學習的緣起、構想、探索等方面進行梳理與研討。中篇――策略探索，兼具理論與實踐，重點圍繞深度理解、高階思維以及創意表達三大策略進行深入分析，通過理論探索以及課例實踐探討其價值意義以及適用範圍。下篇――實踐操作，圍繞深度學習的階梯教學策略，立足于基礎教育段的不同學科，以深度理解為目標，階梯策略為支架進行實踐性探索。