本書作為文心一言的學(xué)習(xí)指南，全面、細(xì)致地介紹了文心一言PC端和App的各項功能和使用方法，力求通過簡潔明了的語言和圖文并茂的形式，讓讀者快速掌握文心一言的各項功能。 全書共8章，首先簡單介紹了人工智能發(fā)展的幾個階段及文心一言的相關(guān)研發(fā)背景；隨后介紹了文心一言的基礎(chǔ)頁面及功能等內(nèi)容，以及文心一言在學(xué)習(xí)、工作、生活娛樂方

本書通過扎實、詳細(xì)的內(nèi)容，從理論知識、算法源碼、實驗結(jié)果等方面對深度學(xué)習(xí)中涉及的算法進(jìn)行分析和介紹。本書共三篇，第一篇主要介紹深度學(xué)習(xí)在目標(biāo)檢測與分割方向的前沿算法，包括雙階段檢測、單階段檢測、無錨點檢測、特征融合、損失函數(shù)、語義分割這6個方向；第二篇主要介紹深度學(xué)習(xí)在場景文字檢測與識別方向的重要突破，主要介紹場景文字

觀點精要 1.不使用或不懂如何使用AIGC，就如電力時代還要驢拉磨、人推車一樣。未來，不是人工智能打敗人，而是掌握人工智能的人或者機構(gòu)，打敗那些沒有掌握人工智能的人和機構(gòu)。 2.有專家說：“在生成式AI面前，所有行業(yè)都要重做一遍。”這是因為，人工智能技術(shù)作為媒介，為我們提供了價值連接、價值匹配的全新思路和全新可能。 3

作為《自動控制原理》（第二版）（孫優(yōu)賢主編，書號：978-7-122-42524-9）的配套學(xué)習(xí)輔導(dǎo)書，本書緊緊圍繞自動控制原理的知識點進(jìn)行編寫，內(nèi)容與體例均方便讀者自學(xué)。全書由9章正文與附錄組成。正文的9章與配套教材完全一致，分別為：概述、連續(xù)時間控制系統(tǒng)的數(shù)學(xué)模型、線性系統(tǒng)的時域分析法、連續(xù)時間控制系統(tǒng)的穩(wěn)定性與穩(wěn)

增長是企業(yè)利用計算機、大數(shù)據(jù)、人工智能等新技術(shù)實現(xiàn)經(jīng)營增長的新思路和新方法，本書作為該領(lǐng)域的入門級讀物，介紹了AIGC在增長領(lǐng)域的技術(shù)和實戰(zhàn)應(yīng)用。本書分為4部分，第1部分、第2部分、第4部分主要針對有興趣了解AIGC背后技術(shù)原理、增長模式的變化以及截至2023年3月業(yè)界、學(xué)術(shù)界的**技術(shù)進(jìn)展的讀者；第3部分包含AI的基

AI大模型正成為數(shù)字經(jīng)濟時代的新質(zhì)生產(chǎn)力，它將對經(jīng)濟社會的各行各業(yè)產(chǎn)生重大影響。本書詳細(xì)介紹了AI大模型在各個領(lǐng)域的無限潛力和廣闊前景。從精準(zhǔn)農(nóng)業(yè)的種植建議到智能制造的質(zhì)量控制和精益生產(chǎn)，從醫(yī)療診斷的精準(zhǔn)高效到文化傳媒的智能化創(chuàng)新，從旅游業(yè)的個性化服務(wù)到教育領(lǐng)域的智能化輔助，從零售業(yè)的創(chuàng)新應(yīng)用到交通運輸業(yè)的智能化變革，

本書以通俗易懂的語言和有趣的插畫來解釋深度學(xué)習(xí)中的概念和方法,生動形象的插圖更容易幫助讀者理解和記憶。同時,書中指導(dǎo)讀者將自己的理解制作成短視頻,以加強學(xué)習(xí)效果。另外,書中還指導(dǎo)讀者在Colab平臺上進(jìn)行實踐。 本書內(nèi)容全面,從基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等入門知識,到深度學(xué)習(xí)的應(yīng)用領(lǐng)域如計算機視覺、自然

本書主要介紹如何對人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行設(shè)計，詳細(xì)介紹了每個網(wǎng)絡(luò)模型的原理、編碼流程及實例研究，這些實例主要包括在視覺領(lǐng)域的模式識別。首先介紹人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識，例如研究背景、研究現(xiàn)狀、模型結(jié)構(gòu)以及前后向傳播算法等，讓讀者對神經(jīng)網(wǎng)絡(luò)有一個初步的了解；然后詳細(xì)介紹若干針對具體問題設(shè)計的性能更優(yōu)的網(wǎng)絡(luò)模型，包括具體的模

近年來，人工智能在自然語言處理、商務(wù)智能、機器人和醫(yī)療診斷等眾多領(lǐng)域取得了突破性進(jìn)展，其中生成式對抗網(wǎng)絡(luò)（generativeadversarialnetwork,GAN）開創(chuàng)性地使用對抗訓(xùn)練機制對兩個神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，是近年來復(fù)雜分布上無監(jiān)督學(xué)習(xí)最具前景的方法之一。本項目以人工智能為出發(fā)點，從模型、算法和應(yīng)用系統(tǒng)等角

本書針對多輪對話情緒預(yù)測任務(wù)，從多輪對話中的情緒傳播特性、情緒信息的多源性、情緒反應(yīng)的多樣性等角度，采用序列模型、圖神經(jīng)網(wǎng)絡(luò)模型、知識圖譜以及集成模型等技術(shù)，研究并提出了多種對話情緒預(yù)測模型，從而為人機對話、智能客服、心理健康咨詢等領(lǐng)域的應(yīng)用提供技術(shù)支撐。