三民網路書店 / 搜尋結果

1x1 = 無限大？！ x 比數獨有趣好幾倍的數學遊戲KenKen發明者 宮本哲也 遇上 日本搞笑無厘頭漫畫始祖 吉田戰車 的最強創作 x x 打造全新感覺的數學繪本 x 看蟲蟲大樓住戶們的一天生活就能輕鬆學會乘法表 孩子愛不釋手的數學繪本★九九乘法不用背★培養數感的訣竅 還在擔心家中的孩子只能死背九九乘法，卻又總是被一堆數字耍得團團轉嗎？吉田戰車與宮本哲也將帶給你這本有趣又好笑的數學繪本，讓你了解什麼叫一讀就懂的九九乘法！ ★有注音 ★3～8歲親子共讀，9歲以上自行閱讀 倆倆住在一起的蟲子，生活中的各種蟲言蟲語。 「嗨，今天你們去哪兒了？」「去買了一些蜂蜜。」 住在昆蟲大樓的蟲子們正要回家……回家後都在做些什麼呢？ x各界名人衷心推薦x　(依首字筆劃排序) Cherng（國際知名插畫家） 小飛媽媽（「小飛媽媽咪呀」版主） 洪進益（小益老師，澎湖縣石泉國小教師、教育部師鐸獎得主） 莊惟棟（明道大學助理教授、數學博物館館長） 黃子佼（跨界王） 蘇意雯（臺北市立大學數學系教授） x最強的黃金組合x 日本知名的數學教師宮本哲也傳達出：「想做出一本完全不用死背就能自然學會九九乘法的繪本！」讓不擅長算術的漫畫家吉田戰車也被這份熱情感染，兩人聯手創作出最有特色又能快樂學習的數學繪本！ x絕對少不了「戰車」的惡搞「笑」果x 由「2」的直式九九乘法表轉換而成的「昆蟲大樓」，除了能看見每一層蟲子的爆笑互動與趣事外，各種豐富又生動的表情依舊保有強烈的「傳染力」！當然也包含了吉田戰車風格的「惡搞」橋段──明明幸運逃過一劫，卻又有點難過？！蟲子的心情你能讀懂嗎？還有隱藏的蟲子彩蛋等著你挖掘喔！ x符合可預測讀物特質x 配合故事的趣味呈現，使用了兒童熟悉語言和重複的句型。除了讓閱讀更加簡單明瞭，還能學習推理的技巧，得到成就並建立學習信心，培養有系統的邏輯思路。

本書介紹了深度學習的基本理論、工程實踐及其在產業界的部署和應用。在深度學習框架的介紹中，書中結合代碼詳細講解了經典的卷積神經網絡、循環神經網絡和基於自注意力機制的Transformer網絡及其變體。還介紹了這些模型在圖像分類、目標檢測、語義分割、欺詐檢測和語音識別等領域的應用。此外，書中還涵蓋了深度強化學習和生成對抗網絡的前沿進展。在系統工程和產業實踐方面，書中解釋了如何使用分布式系統訓練和部署模型以處理大規模數據。本書系統介紹了構建深度學習推理系統的過程，並結合代碼講解了分布式深度學習推理系統需要考慮的工程化因素，例如分布式問題和消息隊列，以及從工程化角度出發的解決方法。本書提供了每個經典模型和應用實例的TensorFlow和PyTorch版本代碼，為深度學習初學者和算法開發者提供理論學習、代碼實踐和工程落地的指導與幫助。本書既適合計算機、自動化、電子、通信、數學、物理等相關專業背景的研究生和高年級本科生，也適合那些希望從事或準備轉向人工智能領域的專業技術人員。

《向福爾摩斯學習推理能力》精選了150個中外經典探案故事，這些故事驚險曲折、扣人心弦，融知識性、趣味性於一體。書中首先對故事按照常識推理、科學推理、細節推理、逆向推理等要素進行了分類；每個故事分為兩部分：第一部分講述案件的細節，第二部分得出案件的結論。在得出案件結論的過程中，故事的主人公展現出了福爾摩斯般過人的膽識、犀利的視角、敏銳的觀察力、嚴謹的分析和推理能力，等等。《向福爾摩斯學習推理能力》不

《資料密集型計算環境下貝葉斯網的學習、推理及應用》分為五章。第1章緒論、第2章資料密集型計算和貝葉斯網、第3章資料密集型計算環境下貝葉斯網的學習方法、第4章資料密集型計算環境下貝葉斯網的推理方法、第5章資料密集型計算環境下貝葉斯網的應用——社區發現等。

◎手腦並用，聰明百分百◎動動小手繞一繞，哇～真好玩◎尋找影子遊戲，訓練孩子邏輯思考能力，提升觀察能力◎經由動手繞繩答題的過程中，不僅能夠活躍孩子的大腦，更能訓練手眼協調力喔■商品簡介 手腦並用，聰明百分百學習數學概念＋培養邏輯思考＋訓練手眼協調動動小手繞一繞，哇～真好玩！大約從三歲開始，孩子子的大腦進入邏輯學習的黃金期！此時打下的邏輯基礎能對之後各方面學習有很大的幫助，透過本書可以讓孩子學習推理與

貝葉斯網絡是概率理論與圖形理論的結合，圍繞的一個基本問題是聯合慨率計算。基於貝葉斯網絡可進行聯合概率的條件和邊緣分解，從而有效降低運算復雜性，并解決與聯合概率計算有關的一系列問題。貝葉斯網絡已在許多領域得到了廣泛的應用，是不確定性知識表示和推理的有力工具。 本書按照貝葉斯網絡基礎、學習、推理、集成和應用的框架介紹貝葉斯網絡的相關理論、方法和算法，有助于讀者對貝葉斯網絡理論體系的認識和理解，可供相關

本書介紹機器學習推理算法在嵌入式系統中的底層實現技術與優化。給出不同層級的優化方法，包括面向機器學習推理模型結構的優化；面向運算圖中各個算子計算優化；面向二進制比特運算優化以及面向CPU硬件特性的優化。內容結合了理論和實踐，其中底層算法的優化方法涉及其背後的信號處理理論介紹，但同時通過應用例子和大量代碼說明其軟件實現方法。所討論的內容能夠幫助讀者在嵌入式平臺上實現機器學習算法，另外也為進一步實現通用的嵌入式環境下機器學習算法自動優化和部署工具的開發提供基本知識。本書內容面向電子信息及計算機專業本科教學，也可供相關領域工程技術人員參考。

規則樣例學習主要是通過樣例（動-靜態樣例、範例和例題等）學習，歸納和運用新規則的過程。筆者將樣例學習劃分為問題解決樣例學習與規則樣例學習兩種，並開展規則樣例學習研究近20年。在數學、物理、化學、生物學、解題、寫作和語法規則等樣例學習實驗研究的基礎上，歸納出8種規則樣例學習模式，建立了規則樣例學習理論。在促進遷移問題解決系列實驗研究的基礎上，建立了規則樣例學習遷移理論，並將其擴展為樣例學習遷移理論和規則學習推理遷移理論。 期待各類教師、學生、學生家長、心理學和教育工作者閱讀並從中受益。

在數字化時代，嵌入式人工智能系統和深度學習等技術變得越來越重要。在嵌入式平臺上進行深度學習推理時會受到計算能力、存儲空間、能耗等資源限制的挑戰。本書從深度學習模型在資源受限的硬件平臺上部署的角度，介紹嵌入式AI系統的基本概念、需求、挑戰，以及其軟硬件解決方案。本書共分為7章。第1章介紹了邊緣計算； 第2章介紹了嵌入式AI系統的基本概念及其面臨的需求與挑戰； 第3章介紹了嵌入式AI系統的硬件解決方案； 第4～6章介紹了嵌入式AI系統的軟件解決方案，包括DNN模型的構建及實現、輕量級DNN模型的構建、模型輕量化方法及實現； 第7章介紹了DNN模型的硬件部署。本書提供了基於Python語言和Torch API的大量代碼解析，並針對Intel系列和NVIDIA系列芯片的硬件部署分別進行介紹。本書適合作為高等院校計算機專業、軟件工程專業的教材，也可供對深度學習、計算機視覺、嵌入式AI系統等感興趣的開發人員、廣大科技工作者和研究人員參考。

本書從臨床決策資料的獲取和傳遞、 知識表示、學習推理和魯棒性決策的系統整體結構出發，以決策科學、人工智慧、資訊理論、證據推理等為理論基礎，深入地揭示了大資料驅動的醫療與健康決策支持機理及其在臨床診斷過程中的實踐。應用“智慧病人”機器人、醫療人體數位化仿真系統類比醫療動態決策集，與臨床診斷結果比較研究，為多層次醫療決策者提供智慧決策支援，為大資料驅動的醫療魯棒性決策提供科學依據。