人工智能(第2版)
作者:[美]史蒂芬·卢奇(Stephen Lucci),丹尼·科佩克(Danny Kopec)
出版社:人民邮电出版社
ISBN:9787115488435
VIP会员免费
(仅需0.8元/天)
¥ 69.12
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
人工智能的未来 评分:
人工智能的未来人工智能的未来人工智能的未来人工智能的未来人工智能的未来人工智能的未来人工智能的未来人工智能的未来人工智能的未来人工智能的未来
上传时间:2018-03 大小:593KB
- 199KB
人工智能未来发展趋势.pdf
2022-07-01人工智能未来发展趋势 人工智能未来发展趋势 1、从专用智能到通用智能 如何实现从专用智能到通用智能的跨越式发展,即是下一代人工智能 发展的必然趋势,也是研究与应用领域的挑战问题。通用智能被认为是人工 智能...
- 4.21MB
手把手构建人工智能未来.pdf
2021-04-23手把手构建人工智能未来
- 0B
人工智能的发展现状人工智能未来发展趋势.pdf
2022-11-04人工智能的发展现状人工智能未来发展趋势.pdf人工智能的发展现状人工智能未来发展趋势.pdf
- 2.84MB
20210324-国泰君安-百度-BIDU.US-公司首次覆盖报告:广告业务触底,智能驾驶与AI未来可期.pdf
2021-06-2020210324-国泰君安-百度-BIDU.US-公司首次覆盖报告:广告业务触底,智能驾驶与AI未来可期.pdf
- 0B
人工智能的发展现状人工智能未来发展趋势.docx
2022-11-22人工智能的发展现状人工智能未来发展趋势.docx人工智能的发展现状人工智能未来发展趋势.docx
- 354KB
人工智能未来发展和技术
2023-09-04人工智能未来发展和技术
- 1.8MB
从ChatGPT看AI未来趋势
2023-04-18在人工智能领域,ChatGPT 作为一种重要的技术突破,引起了广泛的关注.本文将探讨 ChatGPT 在人 工智能发展中的地位及其对未来 AI 的影响.首先,介绍了 ChatGPT 所展现出的优秀对话生成能力,使其几 乎可以胜任所有...
- 65KB
人工智能驱动第四次工业革命PC之王如何定义AI未来.docx
2021-10-29人工智能驱动第四次工业革命PC之王如何定义AI未来.docx
- 9KB
人工智能未来的发展趋势是什么?.docx
2022-10-26人工智能未来的发展趋势是什么?.docx人工智能未来的发展趋势是什么?.docx
- 54KB
人工智能未来发展前景展望.doc编程资料
2022-04-18人工智能未来发展前景展望.doc
- 861KB
人工智能未来制胜之道.pdf
2021-10-25人工智能未来制胜之道.pdf
- 1.35MB
2019人工智能未来企业排行榜.pdf
2021-07-102019人工智能未来企业排行榜.pdf
- 59KB
Get格雅中国人工智能未来发展的五大战略.docx
2022-10-25Get格雅中国人工智能未来发展的五大战略.docxGet格雅中国人工智能未来发展的五大战略.docx
- 335KB
影响大数据、机器学习和人工智能未来发展的8个因素.pdf
2021-07-11影响大数据、机器学习和人工智能未来发展的8个因素.pdf
- 10KB
馨企执行董事陆子健谈人工智能未来的发展方向.docx
2022-10-29馨企执行董事陆子健谈人工智能未来的发展方向.docx馨企执行董事陆子健谈人工智能未来的发展方向.docx
- 246KB
馨企执行董事陆子健谈人工智能未来的发展方向.pdf
2022-10-29馨企执行董事陆子健谈人工智能未来的发展方向.pdf馨企执行董事陆子健谈人工智能未来的发展方向.pdf
- 1.60MB
中国人工智能未来发展的五大战略 (2).pdf
2022-10-25中国人工智能未来发展的五大战略 (2).pdf中国人工智能未来发展的五大战略 (2).pdf
- 8.66MB
DDR3-JESD79-3C以及人工智能专题深度研究报告—群芯逐鹿时代:AI未来,星辰大海
2019-01-17DDR3-JESD79-3C以及人工智能专题深度研究报告—群芯逐鹿时代:AI未来,星辰大海
- 1.4MB
开源ai发布GPT-4,人工智能未来将至.pdf
2023-03-223 月 15 日,OpenAI 正式发布了 GPT- 4 预训练大模型,相比于 GPT-3.5 性能表现显著提升,在一些专业和学术领域上已经达到了人类水平,是 OpenAI 在人工智能领域的又一里程碑。GPT-4 具有一定的多模态能力,能够接收...
- 293.88MB
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
2023-10-06本资源纯属免费,不收任何钱和任何积分,纯粹为爱发电,本资源已经为大家整合好了的,看我的博客部署好直接用:https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址:https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先,利用YOLOv8算法对视频中的车辆目标进行检测,并对检测到的目标进行标记。然后,通过deepsort算法对标记的车辆目标进行跟踪,实现车辆目标的持续跟踪。最后,根据跟踪结果对车辆数量进行统计,实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明,帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
- 367.44MB
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
2023-10-09yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt,需要创建的文件夹都以创建,方便大家不用再去GitHub下载 可以搭配该博客:https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
- 123.13MB
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17本资源配套对应的视频教程和图文教程,手把手教你使用Unet做眼底图像分割的训练、测试和界面封装,包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型,并封装为了图形化界面,只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高,眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源,其形态和状况的变化可以反映出许多疾病的早期病理变化。然而,由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性,使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管,不仅工作量巨大,极为耗时,而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页:https://space.bilibili.com/161240964 C站主页:https://blog.csdn.net/ECHOSON
- 728KB
全新的SOTA模型YOLOv9
2024-02-22当今的深度学习方法专注于如何设计最合适的目标函数,以使模型的预测结果尽可能接近真实值。同时,还需要设计一个合适的架构,以便获取足够的信息进行预测。现有方法忽略了一个事实:当输入数据经过逐层的特征提取和空间变换时,会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题,即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息,以计算目标函数,从而获得可靠的梯度信息以更新网络权重。此外,我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络(GELAN)。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示,GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型,它可以获取完整信息,使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果,比较结果如图1所示。
- 141KB
社交平台上经济类话题的文章热度信息,数据是真实的,但不是真实日期
2023-03-16使用LSTM模型进行时序预测的代码与说明见:https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
- 62.4MB
行人跌倒数据集(VOC格式)
2023-01-30行人跌倒数据集(VOC格式)
- 26.50MB
Transformer模型实现长期预测并可视化结果(附代码+数据集+原理介绍)
2023-11-12这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现
- 850.77MB
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
2021-12-14YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在:https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境:https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看:https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者,感谢大家的支持!
- 2.50MB
Deep Learning Tuning Playbook(中译版)
2023-01-30由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》,来自他们自己训练神经网络的实验结果以及工程师的一些实践建议,目前在Github上已有1.5k星。此版本为中文翻译版,提供给大家免费下载,因为本人知识水平有限,翻译过程中可能有误,随时欢迎大家指出错误,我会随时更正。
- 101KB
zotero翻译插件.xpi
2022-04-152023/9/2 更新