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
-
高盛人工智能报告(英文原版) 评分:
2016年低发布 关于人工智能的介绍 未来趋势 人工智能的定义,神经网络的定义,价值创造的主要驱动力,主要影响,中国人工智能现状,行业应用,列举各大公司在相关方面的研究进展
上传时间:2017-09 大小:3.08MB
- 30.1MB
高盛人工智能报告中文版(45页)
2018-08-17高盛人工智能报告中文版(45页),非常不错的报告,欢迎下载。
- 2.80MB
高盛百页人工智能生态报告:美国仍是主导力量,中国正高速成长
2018-08-17高盛百页人工智能生态报告:美国仍是主导力量,中国正高速成长
- 1.82MB
高盛人工智能报告.
2018-05-03高盛人工智能报告.
- 3.12MB
高盛人工智能生态报告(AI, Machine Learning and Data Fuel the Future of Productivity )
2017-05-26高盛讲解人工智能生态的重磅报告(共 99 页)。报告从最基本的人工智能概念开始,主要内容包括人工智能所能变革的行业、人工智能生态、使用案例、背后的主要驱动者(谷歌、亚马逊、英伟达、百度等)等。
- 3.28MB
高盛:2016人工智能(AI)生态报告
2017-12-22高盛:2016人工智能(AI)生态报告 描写人工智能发展图景
- 2.79MB
高盛 人工智能 生态报告
2018-01-27高盛 人工智能 生态报告 美国仍是主导力量,中国正高速成长
- 162KB
高盛人工智能报告中文版.pdf
2021-11-19高盛人工智能报告中文版.pdf
- 2.46MB
高盛人工智能报告中文版借鉴.pdf
2021-12-03高盛人工智能报告中文版借鉴.pdf
- 2.46MB
高盛人工智能报告中文版分享.pdf
2022-02-09高盛人工智能报告中文版分享.pdf
- 2.46MB
高盛人工智能报告中文版[汇编].pdf
2021-10-13高盛人工智能报告中文版[汇编].pdf
- 30.1MB
高盛人工智能报告中文版(45页).pdf
2021-09-15高盛人工智能报告中文版(45页).pdf
- 1005KB
高盛人工智能行业发展报告.docx
2021-10-24高盛人工智能行业发展报告.docx
- 1.57MB
高盛人工智能报告中文版
2017-11-23人工智能是信息时代的尖端科技。计算的飞跃建立在人类告知计算机如何表现的基础上,计 算建立在计算机学习如何表现能够对每个行业有意义的基础上。虽然目前可能被视作在下一 个 AI 冬天(图 8)之前的最新承诺和失望...
- 2.45MB
高盛人工智能报告.pdf
2020-04-09人工智能是信息时代的尖端科技。 计算的飞跃建立在人类告知计算机如何表现的基础上, 计 算建立在计算机学习如何表现能够对每个行业有意义的基础上。
- 6.64MB
高盛2016研究报告:《区块链,从理论走向实践》
2018-03-04高盛2016研究报告:《区块链,从理论走向实践》,很不错的一个材料
- 3.76MB
高盛数字货币报告-高盛-2020.11.17-81页精品报告2020.pdf
2021-04-24高盛数字货币报告-高盛-2020.11.17-81页精品报告2020.pdf
- 1.95MB
ChatGPT教程(终极版)最全整理
2023-05-16这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门,你看我这篇文章就够了。 如果你已经用上了ChatGPT,更要恭喜你挖到宝藏,后面的高级技巧一定能让你有收获。 文章包含以下内容: 一、ChatGPT是啥?有什么用; 二、ChatGPT如何注册; 三、ChatGPT使用方法; 四、用ChatGPT搞钱; 五、高级技巧;
- 28.70MB
EDA探索式数据分析案例数据集
2024-02-25EDA探索式数据分析案例数据集
- 58KB
博客中Kmeans以及FCM算法数据(免积分)
2023-05-16博客中Kmeans以及FCM算法的数据,包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集,下载在直接存入项目文件夹即可,如果下载不了,可以私信我,看到后会及时回复。
- 290KB
Sora专辑-OpenAI 的 Sora 技术报告详解
2024-02-19Sora 详细的技术报告发布了,相关从业者可能都需要看看。里面有 Open AI的训练思路以及 Sora 详细的技术特性,我从里面找了一些要点,详细的可以去看完整内容。 简单来说 Sora 的训练量足够大也产生了类似涌现的能力。 这篇论文提供了对 Sora 模型的深入分析,展示了其在视频生成领域的潜力和挑战。通过这种方式,OpenAI 正在探索如何利用 AI 来更好地理解和模拟我们周围的世界。
- 1.25MB
hugging face的models-openai-clip-vit-large-patch14文件夹
2023-10-25用于无法访问hugging face并需要运行stable-diffusion-webui时使用
- 10KB
神经网络回归预测--气温数据集
2021-11-26神经网络回归预测--气温数据集
- 1.87MB
XGBoost+LightGBM+LSTM-光伏发电量预测
2022-12-24包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上,论证了辐照度、光伏板工作温度等影响光伏输出功率的因素,通过实时监测的光伏板运行状态参数和气象参数建立预测模型,预估光伏电站瞬时发电量,根据光伏电站DCS系统提供的实际发电量数据进行对比分析,验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献
- 321KB
Stable-Diffusion WEBUI 简体中文语言包(2023.05.30更新)
2023-05-30AI绘图,Stable-Diffusion WEBUI,本地化(简体中文)语言文件。 原始文件来自翻译插件,根据自己实际使用情况,增加和修改了一些翻译。 配合【双语插件】看上去要自然一点,内容还在继续完善中。 本次增加了一些翻译内容,特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文,所以别直接选它用。 请配合【Bilingual Localization】插件使用,双语同时显示,效果最好。
- 2.20MB
Mathwork+Matlab+编程手册
2023-08-25Introduction to Programming with MATLAB ~ Vanderbilt University
- 1.3MB
亚博K210模型训练部署
2023-07-11亚博K210模型训练部署
- 1.29MB
基于鲸鱼优化算法优化VMD参数试看效果代码(目标函数为样本熵)
2022-10-301.采用鲸鱼算法优化VMD分解层数和惩罚系数的MATLAB代码,目标函数根据样本熵计算。直接运行,可以换数据。 2.核心算法加密,有需要请在CSDN联系作者。
- 20KB
机器学习期末复习题及答案
2023-03-19机器学习期末复习题及答案
- 174.14MB
Plecs电力电子仿真PLECS41.64 电力系统仿真软件免安装版本
2023-02-02超级容易学习的电力电子仿真软件。 PLECS是一个用于电路和控制结合的多功能仿真软件,尤其适用于电力电子和传动系统。 对于仿真Buck电路,Boost电路,单相整流电路,单相逆变电路,三相整流电路,三相逆变电路,LLC电路等都能够完美实现。并且能够直接使用C语言进行编程仿真,让代码直接写完以后完整运行到控制板中。 Plecs主要解决了Matlab Simulink仿真速度很慢,学习过程复杂和困难等问题。 Plexim在电力电子仿真领域处于世界领先地位。首要软件产品PLECS可以协助用户加快产品开发和创新流程。其优势来源于先进的编程技术,以及融合了非常规建模概念的仿真算法。通过认真听取工程师的需求和建议,我们能够为客户的今天和未来提供满意的解决方案。 从2002年开始,PLECS已经在众多工业领域成为电力电子仿真的标准。典型应用涵盖新能源,车辆电子,航空航天,工业及牵引驱动等。
- 407KB
时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类,点击即可运行!
2023-09-25内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中,我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法,适用于各种机器学习任务,它最初主要用于解决分类问题,在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用,包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分,可以将模型保存到本地,一旦我们完成了模型的训练,我们可以使用它来进行预测。我们将选择合适的输入特征,并根据模型的预测结果来生成未来的数值序列。最后,我们会将预测结果与实际观测值进行对比,评估模型的准确性和性能。 适合人群:时间序列预测的学习者,机器学习的学习者, 能学到什么:本模型能够让你对机器学习和时间序列预测有一个清楚的了解,其中还包括数据分析部分和特征工程的代码操作 阅读建议:大家可以仔细阅读代码部分,其中包括每一步的注释帮助读者进行理解,其中涉及到的知识有数据分析部分和特征工程的代码操作。