機器學習已經(jīng)廣泛地應用于各行各業(yè)，深度學習的興起再次推動了人工智能的熱潮。本書結(jié)合項目實踐，首先討論主流機器學習平臺的主要特點和機器學習的實戰(zhàn)難點；在此基礎(chǔ)上，利用主流的機器學習開源平臺TensorFlow、OpenVINO、PaddlePaddle等，通過19個實戰(zhàn)案例，詳細地分析決策樹、隨機森林、支持向量機、邏輯回

在《認知和行為的計算建�！分刑岢隽艘惶自谛睦韺W中應用計算和數(shù)學模型的綜合方法。主要目的是在理論、模擬和數(shù)據(jù)之間提供一個統(tǒng)一的視角，來回答我們?nèi)绾螐男袨槟Ｐ椭蝎@取信息的核心問題。《認知和行為的計算建�！泛�蓋了以下四個主題。部分解釋了什么是計算模型，全面概述了用于理解人類行為的模型，探討了如何將理論敘述轉(zhuǎn)化為模擬代碼，并闡

如何從零開始，全面了解人工智能（AI）的前世今生？如何掌握技術(shù)，逐步實現(xiàn)人工智能數(shù)字化發(fā)展？如何搶占市場，全面發(fā)展人工智能產(chǎn)業(yè)和設(shè)備？《從零開始學人工智能》通過12個專題、170多個知識點，幫助您從AI小白變成智能高手。《從零開始學人工智能》詳細講解了人工智能的基本知識和技術(shù)制造，再從互聯(lián)網(wǎng)三大巨頭入手，從10個方面重

本書全面介紹如何采用邏輯與演繹語言推理信息物理系統(tǒng)。在這個過程中，讀者將學習計算機科學、應用數(shù)學和控制論的許多基本概念，所有這些對了解CPS都是必不可少的。本書分為以下四個部分。在第1部分中，讀者將學習如何對包含連續(xù)變量和編程構(gòu)造的CPS建模，如何描述需求規(guī)約，以及如何用證明規(guī)則檢驗模型是否滿足需求。第二部分增加了對物

本書涵蓋許多無論是在理論還是在實踐中都非常有趣的話題。書中介紹了包括控制范式、導航、軟件、多機器人系統(tǒng)、群體機器人、社會角色中的機器人以及機器人中的人工意識。闡述了幾個寬泛的主題，如人工智能理論與應用、擬人化、化身與情境、將心理學和動物行為理論擴展到機器人的理論以及未來的人工智能的新定義。

本書全面介紹了人工智能(AI)和機器學習(ML)的理論和應用。與僅僅從理論或?qū)嵺`的角度來看待這個領(lǐng)域不同，本書將這兩個角度結(jié)合在了一起，給予全面的理解。第1部分介紹了人工智能和ML的概念以及它們的起源和現(xiàn)狀。第2和第3部分深入探討了靜態(tài)ML技術(shù)和動態(tài)ML技術(shù)的概念和理論方面。第4部分描述了所提出的技術(shù)可以應用的實際應用

本書原版在2013年獲得日本計測與自動控制學會著作獎,是日本大學廣泛采用的自動控制教科書.是一本面向本科和�？茖哟蔚�、結(jié)合當今控制技術(shù)發(fā)展的經(jīng)典控制理論教科書.為便于初學者理解,譯著對原書部分內(nèi)容進行了編排,進而突出了重點,對各種數(shù)學公式的表達方式和含義進行了詳盡的說明.特別對微分方程式與經(jīng)典控制論的關(guān)聯(lián)性、與控制學相

深度學習是當前的人工智能領(lǐng)域的技術(shù)熱點。本書面向高等院校理工科專業(yè)學生的需求，介紹深度學習相關(guān)概念，培養(yǎng)學生研究、利用基于各類深度學習架構(gòu)的人工智能算法來分析和解決相關(guān)專業(yè)問題的能力。本書內(nèi)容包括深度學習概述、人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)和深度強化學習、計算機視覺以及自然語言處理。本書適合

本書簡潔且全面地介紹了現(xiàn)代神經(jīng)網(wǎng)絡(luò)、人工智能和深度學習技術(shù)，專門為軟件工程師和數(shù)據(jù)科學家設(shè)計。第1章逐步介紹神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識。第2章比較TensorFlow1.x和TensorFlow2.0編程模型。第3章重點介紹回歸。第4章介紹卷積神經(jīng)網(wǎng)絡(luò)及其在圖像處理中的應用。第5章討論了CNN在圖像、視頻、音頻和文本處理方面的

本書涵蓋了經(jīng)典和現(xiàn)代的深度學習模型。章節(jié)分為三類:第1部分為神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。許多傳統(tǒng)的機器學習模型可以理解為神經(jīng)網(wǎng)絡(luò)的特殊情況。前兩章的重點是理解傳統(tǒng)機器學習和神經(jīng)網(wǎng)絡(luò)之間的關(guān)系。支持向量機、線性/邏輯回歸、奇異值分解、矩陣分解和推薦系統(tǒng)都是神經(jīng)網(wǎng)絡(luò)的特例。本書將這些方法與特征工程方法如word2vec一起進行了研究。