找到 9 条结果 按相关性 按时间降序
Web前端开发项目实践教程
本教材介绍web前端开发技术理念，以项目为导向，实施项目过程中讲解前端开发技术和策略，包括HTML5语义化标签、文本、图像、表单、画布、音视频标签等；CSS3基础知识、引入方法以及背景、阴影和渐变、圆角边框、过渡和变形效果等设置；JavaScript基础知识、函数、对象、事件等的使用等。
面向共融机器人的自然交互——人机对话意图理解
共融机器人是能够与作业环境、人和其他机器人自然交互、自主适应复杂动态环境并协同作业的机器人。“敏锐体贴型”的自然交互是共融服务机器人的研究热点问题之一。当前迫切需要机器人与人具有交互对话意图的理解能力。本书立足基于深度学习方法的人机理解领域，从人机对话意图理解出发，系统介绍了人机对话中的意图识别、未知意图检测和新意图发现的方法。 本书是国内共融机器人自然交互领域第一本系统介绍交互对话意图分析的专业书籍，可为读者提供共融机器人研究领域人机对话意图分析的关键技术和基础知识，追踪该领域的发展前沿提供重要的学习和研究参考。
数据挖掘：方法与应用（第2版）
本书主要根据作者近几年在清华大学面向研究生和本科生开设的“数据挖掘：方法与应用”课程的教学实践与积累，参考近几年国外著名大学相关课程的教学体系编写而成。本书系统地介绍数据挖掘的基本概念和基本原理方法；结合一些典型的应用实例展示用数据挖掘的思维方法求解问题的一般性模式与思路。 本书可作为有一定数据结构、数据库和程序设计基础的研究生或本科生开展数据挖掘知识学习和研究的入门性教材与参考读物。
面向共融机器人的自然交互——多模态交互信息的情感分析
共融机器人是能够与作业环境、人和其他机器人自然交互、自主适应复杂动态环境并协同作业的机器人。“敏锐体贴型”的自然交互是共融服务机器人的研究热点问题之一。当前迫切需要共融机器人具备多模态交互信息的情感分析能力。本书针对多模态机器学习方法的情感分析领域，从多模态交互信息特征的学习表示出发，系统介绍了自然交互中的特征学习表示、特征融合和情感分类的方法，并进一步探讨了如何实现鲁棒的多模态情感分析法。 本书是共融机器人自然交互领域国内第一本系统介绍多模态交互信息情感分析的专业书籍，可为读者掌握共融机器人研究领域人机情感分析的关键技术和基础知识，为追踪该领域的发展前沿提供重要的学习和研究参考。
面向共融机器人的自然交互——命名实体识别与关系抽取
共融机器人是能够与作业环境、人和其他机器人自然交互、自主适应复杂动态环境并协同作业的机器人。“敏锐体贴型”的自然交互是共融服务机器人的研究热点之一，业内当前迫切需要共融机器人具备理解复杂语义信息的能力。本书立足于深度学习方法的信息与知识抽取领域，从学习文本表示出发，系统地介绍了用于获取现实世界知识信息中命名实体和实体关系的方法，并深入探讨了如何在开放领域实现鲁棒的实体关系分析。 本书是国内共融机器人自然交互领域第一本系统介绍深度学习的命名实体识别和关系抽取的专业书籍，可为读者掌握共融机器人研究领域信息与知识抽取的关键技术和基础知识，追踪该领域的发展前沿提供参考，适合人工智能科学与技术、人工智能等专业的学生及相关研究者阅读。
智能演化优化
近年来，演化计算作为计算智能领域的经典优化技术，已经广泛应用于求解组合优化、工程优化等理论和工程类的优化问题，形成了一种基于演化的智能优化方法。针对高维空间的多目标优化问题，近年来基于分解的多目标演化算法（MOEAs）利用了分而治之的思想有效降低了求解多目标或高维多目标优化问题的难度。根据分解的形式不同，基于分解的MOEAs又进一步细分为基于聚合的MOEAs和基于参考点的MOEAs。尽管基于分解的MOEAs是目前求解高维多目标优化问题最有前景的技术之一，然而它在方法和应用层面均存在着缺陷和不足。本书第一部分围绕该类方法，着眼于“如何在目标空间中平衡收敛性和多样性”“如何在决策空间中平衡探索与开发”以及“如何进行有效的降维”等科学问题，展开了系统性的研究，旨在进一步完善其理论框架并推广其在具体问题上的应用。另外，针对多目标柔性作业车间调度这一类典型的NP难工程优化问题，本书基于演化优化的求解思路，分别研究了面向单目标优化的融合问题知识的混合和声搜索方法（HHS）、面向高维空间单目标优化的混合和声搜索和大邻域搜索的集成搜索方法（HHS/LNS），以及面向多目标优化的基于目标重要性分解的模因演化方法，并在多个基线数据集上取得了优异的效果。 本书可作为演化计算、智能优化、大数据及人工智能等相关专业研究参考和研究生教学用书。
多目标贝叶斯优化——面向大模型的超参调优理论
以大规模深度学习模型超参调优为代表的评估代价昂贵的多目标优化问题被称为昂贵的多目标优化问题（Expensive MOPs）。昂贵的多目标优化问题广泛存在于现实世界中的不同应用领域。其优化目标通常为黑盒函数，且求得其真实目标函数值的评估代价高昂；而现实世界的有限资源和成本只允许求解器进行有限次函数评估，用于搜索该类问题的帕累托前沿。多目标贝叶斯优化方法能有效地求解该类问题，其利用高斯过程代理模型近似原优化问题以降低函数评估成本，并使用能平衡利用和探索之间关系的获取函数推荐候选解。本书关注大模型超参调优这类昂贵的多目标优化问题，针对其经典的求解方法(贝叶斯优化方法)开展理论方法探索。针对低维和高维决策空间中的并行化函数评估问题、获取函数优化效率问题以及维度灾难和边界问题，本书对多目标贝叶斯优化方法进行四方面的研究，旨在有效地求解低维和高维昂贵的多目标优化问题。 本书可作为当前大模型超参调优理论研究与应用实践的指导书，也可作为演化学习、智能优化、大数据及人工智能等相关专业的教材和参考书。
数据库原理及技术（第2版）
本书重点介绍了数据库系统的基本概念、基本原理和基本设计方法，同时以MySQL为背景介绍了数据库原理的技术应用（实验方式）。本书力求对传统的数据库理论和应用进行精炼，保留实用的部分，使其更为通俗易懂，更为简明与实用。 全书分为两部分，第一部分原理篇主要包括绪论，关系数据库，关系数据库标准语言SQL，关系数据库设计理论，数据库设计，MySQL简介。第二部分实验篇（基于MySQL 8.0）主要包括MySQL数据库系统基础操作，MySQL数据库基础操作，表、索引与视图的基础操作，SQL语言，嵌入式SQL应用，存储过程的基本操作，触发器的基本操作，数据库安全性，数据库完整性，数据库并发控制，数据库备份与恢复，数据库应用系统设计与开发。 本书内容循序渐进、深入浅出、抓住要点，各章后有适量的习题或实验内容，以便于读者练习与巩固所学知识。 本书可作为高等院校计算机各专业及信息类、电子类等相关专业“数据库原理及技术”类课程的教材，同时也可以供参加自学考试人员、数据库应用系统开发设计人员、工程技术人员及其他相关人员参阅。
演化机器学习（第2版）
本书针对基于演化的机器学习的一些关键问题进行深入探索。全书共20章，分为3篇。 上篇为第1～6章，探索了深度改进的分布估计算法，提出了基于共轭先验分布的两层分布估计算法、带有链接学习的量子演化算法和问题规模自适应的基于分解的多目标分布估计算法。中篇为第7～13章，针对学习分类器与特征选择方法，重点研究两者的融合策略，将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于演化的机器学习框架下，同时改善了分类算法的预测性能与运行效率。下篇为第14～20章，从提高规则空间的搜索质量出发，立足于分类问题，介绍基于分布估计算法的学习分类器。 本书可作为演化计算、智能优化、大数据及人工智能等专业方向研究生教材，也可供相关领域研究者参考。
- 1