11.1 图像识别的准备工作11.1.1 从电影走进现实早在1968年，经典的科幻电影《2001太空漫游》描述了这样一个片段：影片中的赫伍德教授在登陆环形空间站时，需要进行一个“声影测试”的身份验证，验证通过才能进入。这也是当时人们的美好愿望，希望到了21世纪，我们不再需要验证任何账号密码，计算机根据我们的脸或声音就能识别出我们的身份。经过近50年的发展，人脸识别技术从电影的幻想逐渐走进了人们的日

最后，“程序化内容生成”则是近来在深度学习技术嶇起的背景下，对游戏产业影响最为深远的—类应用。—方面，这类游戏往往需要为玩家设置不同难度的电脑训练关卡，以供其快速适应并学习游戏的玩法。[42]而“增加游戏可能性”则是指人工智能工具能 够为游戏带来不同以往的新体验，甚至创造出新的游戏类型以及新的交互方式。件简单的事，游戏关卡的生成 具有极强的约束。例如，不能有无法通过的区域来阻挡玩家通关；强大的同时

自计算机问世以来，人类一直尝试赋予计算机思想，让计算机变得更智能，使它能够理解我们说的话，看懂我们的表情，还能够帮助我们处理复杂的事 情 。 为 此 ， 一 个 专 门 的 学 科 诞 生 了 ， 即 人 工 智 能 （ ArtificialIntelligence）。如今，人工智能已经成为计算机科学的一个重要分支，它主要研究智能的实质，并提出一种模拟人类思考的方式。该领域的研究对象包括机器人、语

7.2.1 基础感知机原理因为MP模型只能预设参数，无法随数据的不同自适应调整参数，所以研究人员开始寻找能够自主“学习”的神经网络。在1958年，计算科学家罗森布拉特（Rosenblatt）提出由两层神经元组成的神经网络，取名为感知机（Perceptron）算法。感知机是最古老的分类算法，同时也是最简单、最经典的机器学习算法之一。每个人工智能领域的产品经理都必须掌握感知机的基本原理，很多业界学者认

每条公式，层层串连，程序可能要很多个循环才能完成。各样的神经层函数，可以使用神经层组合神经网络的结构，用。与自动微分比较，这种方法程序更简单，只要设定模型结构、读到这里，读者应该会好奇如何使用更多的神经元和神经层，）建立模型：神经网络仅使用一个完全连接层，而且输入只。）建立模型：神经网络只有一个完全连接层，而且输入只有。一个神经元，即摄氏温度，输出只有一个神经元，即华氏温。所示，神经网络是多个神经

超短程序，示范如何撰写手写阿拉伯数字的辨识，要证明改版。构，包括多个输入层或多个输出层，也允许分叉，后续用到时。值，避免受极端值影响，借以矫正过度拟合的现象。执行结果：随着执行周期次数的增加，准确率越来越高，且验。执行结果：随着执行周期次数的增加，损失越来越低，验证数。的数据，因此，建议读者自己利用绘图软件亲自撰写测试。函数，因此，要单纯以数学方法求解几乎不可能，只能以优化。方法求得近似解，但是，

WM8978是一个低功耗、高质量的立体声多媒体数字信号编译码器，主要用于便携式应用，比如数码照相机、便携式数码摄像机。WM8978结合了立体声差分麦克风的前置放大器与扬声器、耳机、差分或立体声线路输出的驱动器，减少了应用时所必需的外部组件，比如不需要单独的麦克风或者耳机的放大器。本章将通过一个音频回环实验带领大家了解WM8978的驱动方法1.1 理论学习1.1.1 声音的基本概念声音是通过一定介质

数据准备有收集数据、探索数据、数据预处理三个步骤。这一章我们重点讲解如何挖掘数据的有效信息以及如何对数据进行预处理，以便从加工后的数据中提取特征，为模型学习打?坚实的基础。在信息化时代，数据逐渐成为现代社会基础设施的一部分，就像日常生活中不可或缺的水、电、公路、通信网络一样。同时因互联网的快速普及，全球数据量正呈现出指数级的爆炸式增长。弗雷斯特研究公司的公开研究结果表明，目前金融交易、社交媒体、G

4.5.1 梯度下降原理求解这个凸函数的最低点通常采用“梯度?降法”。构造损失函数，把求解最优参数θ的问题变成求解损失函数最小值的问题，便可以用梯度?降法求解。梯度?降法是调整参数θ使得损失函数J(θ)取得最小值的最基本方法之一。从图像上看，就是在碗状结构的凸函数上取一个初始值，然后沿着楼梯一步步挪动这个值，直到?降到最低点。梯度?降法的求解过程就像是一个旅客?山的场景。如图 4-16 所示，假设

9.1.1 三个臭皮匠赛过诸葛亮中国有句俗语叫“三个臭皮匠赛过诸葛亮”。意思是三个才能平庸的人，若能同心协力，比诸葛亮还要厉害！这就是我们常说的“博采众长”。在机器学习领域，也有这么一种算法，它本身不是一个单独的学习算法，而是一种构建并结合多个学习器来完成学习任务的算法。这种算法被称为“集成学习”（Ensemble Learning）。集成学习已经成为各类机器学习竞赛的首要选择，也可以说是人工智能