会员
物联网+智能家居:移动互联技术应用
郑静更新时间:2019-01-03 11:27:52
最新章节:参考文献开会员,本书免费读 >
《物联网+智能家居移动互联技术应用》是一本综合性、应用性较强的书。本书从物联网、智能家居认知入手,由浅入深地把移动互联技术逐渐引出,逐一讲述移动互联设备;在此基础上实现移动互联设备的连接,搭建IP网络,利用命令搭建无线传感网络,最后介绍安卓系统的开发和测试。本书最后一部分要求学生有语言基础,所以各校可根据学生现状作为选学内容。本书可作为中、高职院校智能楼宇类、电子信息类、计算机类、通信类专业和物联网应用专业的智能家居课程的教学、实训与竞赛参考书,也可供广大装饰装修电工和智能小区的从业人员阅读,还可作为智能家居的培训教材。
上架时间:2017-01-01 00:00:00
出版社:化学工业出版社
上海阅文信息技术有限公司已经获得合法授权,并进行制作发行
最新章节
郑静
主页
同类热门书
最新上架
- 会员
人工智能对北京市就业的影响与应对
人工智能作为数字经济及高精尖产业发展的原创性、引领性和代表性技术,在北京国际科技创新中心、全球数字经济标杆城市的建设中迎来了发展的“关键窗口期”和“政策红利期”,成为北京高质量发展的重要引擎和打造高质量就业“北京样板”的重大机遇。本书是一部经济学学术专著,书稿导向积极。本书采用多元数据来源,运用案例研究法、舆情分析与大数据分析法等多种研究方法,从产业与就业动态匹配视角,聚焦人工智能对北京市就业的影计算机25.6万字 - 会员
机器学习实战(视频教学版)
《机器学习实战:视频教学版》基于Python语言详细讲解机器学习算法及其应用,用于读者快速入门机器学习。《机器学习实战:视频教学版》共分12章,内容包括机器学习概述、Python数据处理基础、Python常用机器学习库、线性回归及应用、分类算法及应用、数据降维及应用、聚类算法及应用、关联规则挖掘算法及应用、协同过滤算法及应用,最后通过3个综合实战项目(包括新闻内容分类实战、泰坦尼克号获救预测实战、计算机10.1万字 - 会员
机器学习教程(微课视频版)
本书兼顾机器学习基础、经典方法和深度学习方法,对组成机器学习的基础知识和基本算法进行了比较细致的介绍,对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等算法都给出了深入的分析并讨论了无监督学习的基本方法,对深度学习和强化学习进行了全面的叙述,比较深入地讨论了反向传播算法、多层感知机、CNN、RNN和LSTM等深度神经网络的核心知识和结构;对于强化学习,不仅介绍了经计算机20.6万字 - 会员
PyTorch 2.0深度学习从零开始学
PyTorch是一个开源的机器学习框架,它提供了动态计算图的支持,让用户能够自定义和训练自己的神经网络,目前是机器学习领域中的框架之一。《PyTorch2.0深度学习从零开始学》共分15章,内容包括PyTorch概述、开发环境搭建、基于PyTorch的MNIST分类实战、深度学习理论基础、MNIST分类实战、数据处理与模型可视化、基于PyTorch卷积层的分类实战、PyTorch数据处理与模型可计算机11.3万字 - 会员
玩赚ChatGPT:人人都能用的工作好帮手
本书以工作场景和具体任务来驱动,包括53个场景展示、85项任务模拟、237次提问示范,让完全不懂技术的小白,也能成为ChatGPT工具使用方面的行家。本书通过详细讲解具体任务的提问与追问方法,让ChatGPT成为每个人的工作好帮手,帮助人们提升工作效能,打造超能个体与超能团队。计算机13.8万字 - 会员
ChatGPT:AIGC时代商业应用赋能
2023年以来,OpenAI相继发布了聊天机器人模型ChatGPT、新一代多模态大模型GPT-4等产品,以强大的能力俘获了大量用户,颠覆了用户对于AI的认知。本书以ChatGPT为中心,对ChatGPT的相关知识进行详细的讲解。本书共12章,前5章从ChatGPT概述、技术底座、内容变革、产业格局、商业展望5个方面对ChatGPT进行了解读,帮助用户全面了解ChatGPT,对其形成完整的认知。第6计算机12.8万字 - 会员
量子人工智能
量子计算与人工智能的交叉融合,促使量子人工智能的不断发展。本书旨在采用对深度学习爱好者友好的方式,构建量子人工智能应用。全书共13章,第1章和第2章系统介绍量子计算机发展脉络和量子计算编程的基础知识。第3~7章分别介绍不同的深度学习方法和在这些算法逻辑上构建量子启发算法的方式,用量子线路中的相位作为神经网络的可学习参数,重构为量子神经网络算子。这些算子可以在PyTorch环境中直接调用。第8章和第计算机7.6万字 - 会员
机器学习的算法分析和实践
本书是一本全面介绍机器学习方法特别是算法的新书,适合初学者和有一定基础的读者。机器学习可以分成三大类别,监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多,但是最计算机7.4万字 - 会员
智能控制与强化学习:先进值迭代评判设计
在人工智能技术的大力驱动下,智能控制与强化学习发展迅猛,先进自动化设计与控制日新月异。本书针对复杂离散时间系统的优化调节、最优跟踪、零和博弈等问题,以实现稳定学习、演化学习和快速学习为目标,建立一套先进的值迭代评判学习控制理论与设计方法。首先,对先进值迭代框架下迭代策略的稳定性进行全面深入的分析,建立一系列适用于不同场景的稳定性判据,从理论层面揭示值迭代算法能够实现离线最优控制和在线演化控制。其次计算机8.7万字