●本书首先介绍AI与AI安全的发展起源、世界主要经济体的AI发展战略规划,给出AI安全技术发展脉络和框架,并从AI安全实战出发,重点围绕对抗样本、数据投毒、模型后门等攻击技术进行案例剖析和技术讲解;然后对预训练模型中的风险和防御、AI数据隐私窃取攻击技术、AI应用失控的风险和防御进行详细分析,并佐以实战案例和数据;最后
本书主要论述信息融合技术及其应用,介绍不同技术的信息融合算法,包括基于稀疏/协作表示、高斯过程隐变量模型、多视角和多特征学习、贝叶斯模型、度量学习、权重分类器方法融合和深度学习等;讲述这些融合方法在图像分类、域自适应、人脸识别、疾病检测和图像检索等领域的应用,并使用多个数据库验证了上述方法的有效性和优越性。本书可供从事
《运筹优化常用模型、算法及案例实战》主要讲述运筹优化领域常用的数学模型、精确算法以及相应的代码实现。首先简要介绍基本理论,然后用丰富的配套案例讲解多个经典的精确算法框架,最后结合常用的优化求解器(CPLEX和Gurobi)说明如何用Python和Java语言实现书中提到的所有精确算法。全书共分3部分。第I部分(第1~4
k-均值问题是经典组合优化问题,也是著名的NP-难问题之一,相应的Lloyd算法是数据挖掘的十大经典算法之一.k-均值问题在人工智能、数据挖掘、理论计算机科学、运筹学和管理科学中有着广泛的应用.本书介绍k-均值问题及其变形的基于随机抽样、降维、核心集、近似质心集、局部搜索、线性规划舍入等技术的近似算法.主要内容包括:经
人工智能领域一直以来坚信:只要人工智能系统能产生类似于人类的行为,它就是智能的。于是,我们看到了能够打败国际象棋guan军的计算机棋手,能够根据路况选择行驶路线的无人驾驶汽车,能够做手术的医生……人们甚至开始担忧:有朝一日,机器人会不会超越人类,进而奴役人类? 在《新机器智能》一书中,科技界
理解TensorFlow模型模式和ML工作流中的最佳实践。 使用代码段作为构建TensorFlow模型和工作流的模板。 通过集成TensorFlowHub中的预建模型节省开发时间。 使用加速器集群(如GPU或TPU)充分利用分布式训练。 对数据摄取、训练模型、模型保存和推理做出明智的设计选择。
研究张量,这是机器学习中最基本的结构。 通过一个真实示例完成数据与张量的来回转换。 使用TensorFlow.js结合AI和Web。 使用资源转换、训练和管理机器学习数据。 从头开始构建和训练你自己的训练模型。
本书针对深度学习及开源框架——PyTorch,采用简明的语言进行知识的讲解,注重实战。全书分为4篇,共19章。深度学习基础篇(第1章~第6章)包括PyTorch简介与安装、机器学习基础与线性回归、张量与数据类型、分类问题与多层感知器、多层感知器模型与模型训练、梯度下降法、反向传播算法与内置优化器。计算机视觉篇(第7章~
随着云计算、大数据等的快速发展,越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性,以提高对非标准业务的管理效率,是流程管理面临的一个重要问题。 本书基于流程管理系统积累的日志,提出了3种流程管理的工作流活动推荐方法,分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动
本书通过扎实、详细的内容和清晰的结构,从算法理论、算法源码、实验结果等方面对深度学习算法进行分析和介绍。本书共三篇,第一篇主要介绍深度学习在计算机视觉方向的一些卷积神经网络,从基础骨干网络、轻量级CNN、模型架构搜索3个方向展开,介绍计算机视觉方向的里程碑算法;第二篇主要介绍深度学习在自然语言处理方向的重要突破,包括基