本書是一本探討意識起源、勾勒人工智能未來圖景的學(xué)術(shù)性科普圖書。如今，人工智能已經(jīng)滲透到我們生活的方方面面，給我們生活帶來巨大便利的同時，也引發(fā)了人們對人工智能會威脅人類生存的擔(dān)憂。人工智能的本質(zhì)是什么？機(jī)器能產(chǎn)生意識嗎？如何度量機(jī)器的智能？在人工智能熱潮涌現(xiàn)的今天，本書作者直面人工智能研究乃至眾多前沿科學(xué)研究都繞不過去

"本書是在廣東省精品資源共享課程教材《自動控制原理》（第5版）的基礎(chǔ)上經(jīng)總結(jié)、提高及補(bǔ)充后編寫的“簡明版”。本書從工程實際出發(fā)，介紹和討論了“經(jīng)典控制理論”最基本和重要的內(nèi)容及其應(yīng)用。第1~6章為線性連續(xù)系統(tǒng)；第7章為線性離散系統(tǒng)；第8章為非線性（描述函數(shù)）系統(tǒng)。本書適用于應(yīng)用型本科電氣類、自動化類、儀器類等相關(guān)專業(yè)自

數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)--基于R語言編程

《四元數(shù)神經(jīng)網(wǎng)絡(luò)穩(wěn)定性理論及應(yīng)用》旨在介紹四元數(shù)神經(jīng)網(wǎng)絡(luò)穩(wěn)定性理論及應(yīng)用的研究現(xiàn)狀、典型模型、常用研究方法.具體內(nèi)容包括四元數(shù)神經(jīng)網(wǎng)絡(luò)漸近穩(wěn)定性、四元數(shù)神經(jīng)網(wǎng)絡(luò)魯棒穩(wěn)定性、四元數(shù)神經(jīng)網(wǎng)絡(luò)μ-穩(wěn)定性及均方穩(wěn)定性、四元數(shù)神經(jīng)網(wǎng)絡(luò)Mittag-Leffler穩(wěn)定性、四元數(shù)神經(jīng)網(wǎng)絡(luò)Lagrange穩(wěn)定性及H-U穩(wěn)定性、四元數(shù)神

本書系統(tǒng)地闡述了人工智能算法的基本原理、實現(xiàn)技術(shù)及其應(yīng)用，基本涵蓋了其重要理論和方法，包括了最近發(fā)展起來的并被實踐證明的新技術(shù)、新理論，如機(jī)器學(xué)習(xí)、模式識別、圖像處理、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、群智能方法等。本書注重結(jié)合實際，通過實際問題介紹各種理論和方法，著重介紹各種智能算法的MATLAB實現(xiàn)，具有較強(qiáng)的指導(dǎo)性和實用性。

圖強(qiáng)化學(xué)習(xí)是深度強(qiáng)化學(xué)習(xí)的重要分支領(lǐng)域。本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能覆蓋圖強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識，并提供應(yīng)用實踐案例。全書共10章，大致分為三部分：第一部分（第1～3章）介紹圖強(qiáng)化學(xué)習(xí)研究對象（復(fù)雜系統(tǒng)、圖和復(fù)雜網(wǎng)絡(luò)）；第二部分（第4～7章）介紹圖強(qiáng)化學(xué)習(xí)基礎(chǔ)知識（圖嵌入、圖神經(jīng)網(wǎng)絡(luò)和深度強(qiáng)化學(xué)習(xí)）；第三部分（

近年來隨著計算機(jī)技術(shù)的快速發(fā)展，機(jī)器學(xué)習(xí)被廣泛應(yīng)用于信息檢索、自然語言處理、計算機(jī)視覺及自動化控制等方面。由于機(jī)器學(xué)習(xí)在實際應(yīng)用中對不同問題所提供的條件各不相同，如含有標(biāo)簽信息的數(shù)據(jù)、不含標(biāo)簽信息的數(shù)據(jù)等，針對不同的數(shù)據(jù)類型有多種解決方法：監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)。本書針對監(jiān)督和無監(jiān)督學(xué)習(xí)方法進(jìn)行理論的概述、模

可解釋AI(InterpretableAI)將教會你識別模型所學(xué)習(xí)的模式及其產(chǎn)生結(jié)果的原因。通過閱讀《可解釋AI實戰(zhàn)（PyTorch版）》，你將掌握一些用于解釋白盒模型(如線性回歸和廣義可加模型)的方法，以及一些用于解釋復(fù)雜深度學(xué)習(xí)模型的方法�？山忉孉I是一個快速發(fā)展的領(lǐng)域，本書將該領(lǐng)域的前沿研究簡化為你可以在P

本書系統(tǒng)介紹了推薦算法的知識框架和技術(shù)細(xì)節(jié)，包括召回、粗排、精排和重排等模塊。第1章從用戶體驗、內(nèi)容生產(chǎn)和平臺發(fā)展角度介紹為什么需要推薦系統(tǒng)，并闡述推薦系統(tǒng)的分類及整體技術(shù)架構(gòu)。第2章介紹推薦算法模型的基礎(chǔ)——數(shù)據(jù)樣本和特征工程。第3章介紹傳統(tǒng)推薦算法。第4~7章介紹推薦系統(tǒng)中最復(fù)雜的部分——精排模塊，包括特征交叉、用

本書介紹了自組織增量學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)及其在人工智能領(lǐng)域的應(yīng)用。神經(jīng)網(wǎng)絡(luò)是一種模擬生物神經(jīng)系統(tǒng)的人工智能技術(shù)，具有強(qiáng)大的數(shù)據(jù)處理能力和學(xué)習(xí)能力。自組織增量學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)是一種具有高度自組織結(jié)構(gòu)和增量學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)。與傳統(tǒng)機(jī)器學(xué)習(xí)方法相比，自組織增量學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)有更強(qiáng)的靈活性和適應(yīng)性，能夠更好地適應(yīng)動態(tài)環(huán)境和解決復(fù)雜的問題。