深度学习：方法及应用 - 第6页

...滤波、特征检测、图像拼接、图像分割等经典的图像处理算法；第三部分为计算 机视觉中的视觉识别方法，主要讲解基于深度学习的视觉识别方法，包括基于深度学习的图像分类、语义分割、目标检测、动作识别等...

...书中详细介绍了人工智能、机器学习、深度学习等概念，以及深度学习开发框架、华为AI开发框架MindSpore、华为Atlas人工智能计算解决方案、华为智能终端AI能力开放平台和华为云企业智能应用平台等方面的内容。

...中首先概述了数据科学方法的兴起以及生物学领域的范式转变，这一转变催生了计算生物学的革命，即通过计算机模拟进行生物实验和药物研发。作者详细介绍了人工智能和深度学习领域的重大突破...

...公开数据集、深度学习开发环境以及卷积神经网络；随后重点讲解 YOLOv1 至 YOLOv11 的技术演进，涉及特征提取、特征融合、Anchor 机制、损失函数、注意力机制等核心技术，并进一步介绍数据增强、模型训练和优化等实现方法。实战部分则...

深度强化学习理论的提出为机器人控制中的动力学模型建立、环境状态信息感知等问题提供了丰富的解决思路。 本书在现有的深度强化学习算法基础上，针对机器人控制中的机器人...

...词、近义词和相关表达的对比，帮助读者建立词汇网络，提高阅读理解与写作表达能力。本书结构清晰、方法成熟，适合备考六级的学生进行系统词汇积累，也适合希望提升英语词汇理解深度的学习者长期使用。

...各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。《数学要素：全彩图解 + 微课 + Python编程》打破数学板块的藩篱，将算数、代数、线性代数、几何、解析几何、概率统计、微积分、优化方法等板块有机结合在一起...

...让抽象的技术具象化，启发读者发现技术如何重塑世界； 第 3 章聚焦 AI 与学科融合，提供“AI 学语文”“AI 学数学”“AI 学英语”等实用工具指南，帮助读者掌握 AI 赋能学习的高效方法；...

...和错误。上卷细致解析了语言规范相关细节，便于读者深入理解语言相关功能的使用方法和注意事项。下卷则对运行时源码做出深度剖析，引导读者透彻了解语言功能背后的支持环境和运行体系，诸如内存分配、垃圾回收...

...常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。 第 4 章借助实际案例，讲解如何通过 XGBoost 解决分类、回归、排序等问题，并介绍了 XGBoost 常用功能的使用方法...