強化學習是機器學習的一個基本范示，其中智能體執(zhí)行動作以確保設備的最優(yōu)性能。雖然這種機器學習范式近年來取得了巨大的成功和普及，但以前的學術研究要么集中在理論上——最優(yōu)控制和動態(tài)規(guī)劃——要么集中在算法上——其中大多數是基于仿真的。 《基于模型的強化學習》提供了一個基于模型的框架來橋接這兩個方面，從而創(chuàng)建了一個基于模型的在

本書共6個項目，分別是：項目1，使用OpenCV實現人臉檢測；項目2，使用計算機視覺算法實現圖像識別；項目3，利用串口實現邊緣硬件控制；項目4，使用人臉檢測算法的家用設備控制；項目5，使用計算機視覺技術的稻麥成熟度監(jiān)測系統；項目6，使用語音識別實現智慧家居控制。

綜合集成研討體系源于系統科學和復雜性科學的研究，是我國科學家錢學森院士、戴汝為院士（本書作者之一）等學者在整合系統、思維、智能等學科理論的基礎上，于20世紀90年代初提出的處理“開放的復雜巨系統”的方法論。當前，隨著社會、網絡以及AI自身的高速發(fā)展，綜合集成研討體系的應用環(huán)境和對象均發(fā)生了一定的變化，如何吸收信息科學、

本書是“人工智能技術應用核心課程系列教材”之一，通過對人工智能基礎概念、技術分類、技術應用、開發(fā)平臺、應用場景和開發(fā)運行環(huán)境等的系統介紹，結合樣板程序、經典案例的上機實踐與代碼分析，使初學者快速地對人工智能的技術全貌建立起系統的認識，并且掌握典型應用開發(fā)環(huán)境與平臺的安裝、配置及應用編程基礎技術。本書非常適合對人工智能、

本書以培養(yǎng)學生人工智能素養(yǎng)、人工智能思維和人工智能基本應用能力為編寫理念，面向高職高專院校各專業(yè)學生，使用通俗易懂的語言，深入淺出地介紹人工智能的基本概念、基本知識和相關應用。全書共分7章，主要內容包括人工智能概述、人工智能生態(tài)、人工智能軟/硬件平臺、機器學習、人工神經網絡與深度學習、計算機視覺和自然語言處理。本書著重

人工智能的迅猛發(fā)展不僅深刻影響著技術創(chuàng)新、社會變革和職業(yè)發(fā)展，而且?guī)�來了諸多人工智能倫理問題和挑戰(zhàn)。為貫徹落實國家現代職業(yè)教育高質量發(fā)展要求，促進社會公眾特別是青年學生對人工智能倫理的學習和思考，本書以學生為中心，以能力為本位，以提升人工智能倫理素養(yǎng)為宗旨，采用"問題導向、任務驅動、案例探究、場景應用”的方法編寫，突出

"本書從強化學習最基本的概念開始介紹,將介紹基礎的分析工具,包括貝爾曼公式和貝爾曼最優(yōu)公式,然后推廣到基于模型的和無模型的強化學習算法,最后推廣到基于函數逼近的強化學習方法。本書強調從數學的角度引入概念、分析問題、分析算法,并不強調算法的編程實現。本書不要求讀者具備任何關于強化學習的知識背景,僅要求讀者具備一定的概率論

"本書以案例為載體，介紹了目前機器學習的部分主流算法及其應用，簡要概括部分主流算法的基本原理，詳細說明應用算法過程中需要注意的問題，通過實際案例的解析使學生更好地掌握主流算法。全書共四部分。第一部分（第1章）為理論基礎，著重介紹機器學習的發(fā)展及主流應用，還詳細介紹了本書中全部案例運行環(huán)境的搭建方法。第二部分（第2~7章

本書將介紹如何將早期AI的實用性與深度學習能力和工業(yè)控制技術結合起來，在現實世界中做出穩(wěn)健的決策。作者使用具體的例子、最基本的理論和經過驗證的架構框架，展示了如何教授自主AI明確的技能和策略。讀者將了解何時以及如何使用和組合各種AI架構設計模式，以及如何設計高級AI，而無須操作神經網絡或機器學習算法。

本書共分為三個部分，分別為理論基礎、實驗和案例。這三個部分層層遞進，介紹深度學習的基礎知識與常用方法，全面細致地提供了深度學習的原理和在深度學習框架下的實踐步驟。第一部分主要通過7個章節(jié)來介紹深度學習的基礎知識，包括深度學習在不同領域的應用，不同深度學習框架的對比，以及機器學習、神經網絡等方面的講解。第二部分主要包括常