《機器學習及其應用》比較系統(tǒng)地介紹機器學習的基礎理論與應用技術。首先，介紹掌握機器學習理論和方法所必須具備的基礎知識，包括機器學習的基本概念與發(fā)展歷程、模型構造與優(yōu)化的基本方法；然后，介紹和討論監(jiān)督學習、無監(jiān)督學習、集成學習、強化學習等傳統(tǒng)機器學習理論與方法；在詳細探討神經網絡與深度學習基本理論的基礎上，介紹深度卷積網

本書以程序員所熟悉的代碼方式帶領程序員們進入深度學習的世界。所有的理論都有對應的可運行的代碼進行說明。程序員可以通過修改和調試代碼在熟悉的世界里完成向深度學習的轉型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學習框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術形勢。同時還介

本書包括《探索與爭鳴》雜志自2017年第10期至2018年第7期已發(fā)表的與人工智能相關文章共26篇，內容包括從人工智能本質看未來的發(fā)展、控制的危機與人工智能的未來情境、人工智能與未來社會：三個反思、人工智能技術下對真理和生命的可解釋性、人工智能對認知、思維和行為方式的改變、人工智能：威脅人類文明的科技之火、科技創(chuàng)造必須

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經網絡基礎，包括機器學習問題、淺層機器學習、早期神經網絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網絡、循環(huán)和遞歸網絡、表示學

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經網絡基礎，包括機器學習問題、淺層機器學習、早期神經網絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網絡、循環(huán)和遞歸網絡、表示學

本書旨在討論人工智能領域未來的發(fā)展方向，即通用人工智能和奇點現象。本書涵蓋了奇點理論提出以來該領域取得的一系列研究進展，剖析了實現通用人工智能所面臨的問題并分析了各種實現途徑。作者不僅展開了天馬行空的想象，思考未來技術，比如意識上傳、飛米技術等如何為通用人工智能提供可行性，還將現有的通用人工智能技術落地，在生物學領域進

本書是一本針對高校學生的絕佳TensorFlow學習教材。作者結合眾多高質量的代碼，生動講解了TensorFlow的底層原理，并從實際應用問題入手，從實踐的角度出發(fā)，通過具體的TensorFlow案例程序介紹常見的模型和應用解決辦法。同時，在教材中還介紹了模型部署和編程過程中所用到的諸多開發(fā)技巧。是學習和掌握人工智能這

本書涵蓋了經典控制、現代控制和非線性控制理論的基本內容。從控制理論的基礎知識入手，較深入地介紹了控制系統(tǒng)的傳遞函數、方框圖、信號流圖以及狀態(tài)空間模型；詳細闡述了用于控制系統(tǒng)穩(wěn)定性、瞬態(tài)性能、穩(wěn)態(tài)性能分析時域法、根軌跡法、頻域法和狀態(tài)空間法，以及相應的系統(tǒng)設計方法；討論了離散控制系統(tǒng)的模型、性能分析和校正方法；并對非線性

本教材共分為六個章節(jié)，分別為：*章自動控制系統(tǒng)概述、第二章控制系統(tǒng)的數學模型、第三章控制系統(tǒng)的時域分析、第四章根軌跡法、第五章線性系統(tǒng)的頻域分析法、第六章線性系統(tǒng)的頻域分析法。

本書為普通高等教育“十一五”國家級規(guī)劃教材，第一版于2005年被評為北京市精品教材。本書是為非自動化類、工科高年級學生編寫的教材，簡練地論述了連續(xù)控制系統(tǒng)的分析和綜合研究方法，包括系統(tǒng)數學模型的建立和動態(tài)結構圖等效變換法則，利用經典控制理論的時域分析法、復域分析法、頻域分析法對控制系統(tǒng)進行分析，應用串聯校正、反饋校正和