本書重點介紹了經(jīng)典控制理論的基本概念和基本方法，全書共分為7章，主要包括緒論、控制系統(tǒng)的數(shù)學建模、時域響應分析、穩(wěn)態(tài)誤差分析、根軌跡法、頻域分析方法和控制系統(tǒng)的校正，覆蓋了傳遞函數(shù)的定義、穩(wěn)定性判據(jù)、根軌跡分析方法、時域和頻域響應分析方法以及系統(tǒng)校正方法。此外本書還結(jié)合MATLAB的控制系統(tǒng)仿真功能加入了一些仿真實例，

隨著人工智能技術(shù)在各行業(yè)的應用蓬勃發(fā)展，其已滲透社會及人們?nèi)粘Ｉ�活的方方面面，且在圖像分類、目標識別、自然語言處理等領域顯示了良好的效果和前景。但是，人工智能及其分支技術(shù)有一些特定的脆弱性，在某些場景下容易受到欺騙和攻擊，若不對此采取一定措施，就有可能造成嚴重的后果。本書通過介紹針對圖像分類的對抗技術(shù)，描述了深度神經(jīng)網(wǎng)

本書是面向高級人工智能人才培養(yǎng)的高等學校人工智能相關(guān)專業(yè)精品教材中的一本，以信息物理系統(tǒng)、模糊邏輯系統(tǒng)、自主無人系統(tǒng)、群體智能、多Agent系統(tǒng)、人機協(xié)同系統(tǒng)、工業(yè)智能控制系統(tǒng)、機器人系統(tǒng)等為案例，完整呈現(xiàn)了人工智能綜合應用體系架構(gòu)。本書首先介紹了智能系統(tǒng)的發(fā)展、相關(guān)概念、主要特征和類型、智能系統(tǒng)的發(fā)展前景，然后圍繞智

本書首先從深度學習的原理出發(fā)，介紹如何把深度學習的理論轉(zhuǎn)換為PyTorch代碼，然后介紹如何在計算機上運行這些代碼。作為一本面向初中級讀者的技術(shù)類圖書，本書在前面所述內(nèi)容的基礎上，還介紹了學術(shù)界前沿的一系列實例，以及PyTorch的源代碼結(jié)構(gòu)，以期讀者能夠融會貫通深度學習框架的設計和應用的思想。

本選題宏觀而全面地介紹了人工智能的理論和實踐，闡述了人工智能領域的核心內(nèi)容，并較為深入的介紹了各個主要研究方向的理論基礎及應用。全書分為8章：第1章介紹人工智能的基本概念、研究目標及發(fā)展情況；第2章講解人工智能領域常用的數(shù)學概念；第3、4章討論人工智能在通訊領域、控制領域的應用原理及常見技術(shù)；第5章講解人工智能的核心算

《系統(tǒng)生物學問題的時滯動力學分析》簡要介紹時滯動力學方法在系統(tǒng)生物學問題中的應用，側(cè)重于時滯在某些生物問題中的重要作用。采用專題形式編排，包括四個具體熱點問題（傳染病模型、基因調(diào)控、神經(jīng)網(wǎng)絡以及細胞應對DNA損傷的調(diào)控機制）的研究背景及意義、動力學理論分析以及數(shù)值模擬分析等。其中理論部分主要集中在正平衡點的穩(wěn)定性、Ho

涵蓋強化學習基本算法實踐+深度強化學習算法的原理實現(xiàn)及案例。代碼豐富，可直接上手操作；配套豐富的直播課程資源！

共分為4個部分：1、基礎知識：主要介紹機器學習的基本概念、Python的基礎知識、常用第三方庫，并結(jié)合網(wǎng)絡爬蟲及信息提取案例和股票數(shù)據(jù)圖表繪制案例使讀者對本部分內(nèi)容有更好的理解。2、有監(jiān)督分類案例：包括Iris數(shù)據(jù)分類、新聞文本數(shù)據(jù)分類、手寫數(shù)字圖像識別和場景文字檢測共4個案例。3、無監(jiān)督聚類案例：包括人臉圖像聚類和文

本書是一本閱讀起來特別輕松、學習一點都不費勁的TensorFlow入門書。本書基于TensorFlow2.0版本，從機器學習和TensorFlow的基礎開始，針對初學者只選擇實際應用中的必需最小知識量，對前饋神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、深度強化學習進行了淺顯易懂且快速有效的闡述，其中包括了很多具體的Tenso

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，把與基于深度學習的目標檢測的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側(cè)重對卷積神經(jīng)網(wǎng)絡的介紹，而深度學習的內(nèi)容不止于此。所以，作者將深度學習分為有監(jiān)督學習、無監(jiān)督學習和強化學習三類，將圖像分類、目標檢測

當今社會，智能音箱、智能機器人、智能可穿戴設備等人工智能產(chǎn)品已經(jīng)開始逐漸普及，而人工智能產(chǎn)品經(jīng)理卻非常短缺。本書將通俗易懂的語言與專業(yè)知識相結(jié)合，從中國人工智能市場現(xiàn)狀入手，詳細地為讀者闡釋了人工智能產(chǎn)品的相關(guān)知識，以及人工智能產(chǎn)品經(jīng)理是如何開展工作的，并通過實際案例展現(xiàn)了如何從無到有構(gòu)建人工智能產(chǎn)品的過程。本書適合想

《人工智能基礎數(shù)學知識》基于流行的Python語言，通俗易懂地介紹了入門人工智能領域必需必會的數(shù)學知識，旨在讓讀者輕松掌握并學以致用。 《人工智能基礎數(shù)學知識》分為線性代數(shù)、概率和優(yōu)化等3篇，共21章，覆蓋了人工智能領域中重要的數(shù)學知識點。本書寫作風格通俗有趣，讀者可在潛移默化中掌握這些數(shù)學知識以及相關(guān)的編程操作，并能

本書面向初學者，采用全彩圖解+視頻講解的形式介紹了人工智能的基礎知識及開發(fā)案例，從無代碼到圖形化編程到代碼編程，循序漸進，讓讀者逐步掌握人工智能技術(shù)，體驗人工智能帶給自己的樂趣。本書首先通過mDesigner+開源硬件的結(jié)合賦予創(chuàng)客作品以“智能”，接著介紹了與人工智能密切相關(guān)的深度學習及其所需要的編程語言、編程框架及編

隨著AI技術(shù)的普及，如何快速理解、掌握并應用AI技術(shù)，成為絕大多數(shù)程序員亟需解決的問題。本書基于Keras框架并以代碼實現(xiàn)為核心，詳細解答程序員學習AI算法時的常見問題，對機器學習、深度神經(jīng)網(wǎng)絡等概念在實際項目中的應用建立清晰的邏輯體系。本書分為上下兩篇，上篇（第1～4章）可幫助讀者理解并獨立開發(fā)較簡單的機器學習應用，

近年來機器學習是一個熱門的技術(shù)方向，但機器學習本身并不是一門新興學科，而是多門成熟學科（微積分、統(tǒng)計學與概率論、線性代數(shù)等）的集合。其知識體系結(jié)構(gòu)龐大而復雜，為了使讀者朋友能夠把握機器學習的清晰的脈絡，本書盡可能從整體上對機器學習的知識架構(gòu)進行整理，并以Sklearn和Keras等機器學習框架對涉及的相關(guān)理論概念進行代

《從統(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》敘述了從數(shù)學到統(tǒng)計、從統(tǒng)計到人工智能的發(fā)展，結(jié)合大量的實際商業(yè)應用案例介紹了諸多經(jīng)典的機器學習算法，比如LASSO回歸、MCMC、決策樹、隨機森林和神經(jīng)網(wǎng)絡等�！稄慕y(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》將案例與算法結(jié)合，基于人工智能的場景，從理論到實際操作層層遞進，讀者從中

學習并精通任何一門學科無外乎要經(jīng)過四個步驟：它是什么？它可行嗎？怎么學它？如何學好它？機器學習也不例外，《快樂機器學習》就以這四個步驟來介紹機器學習�！犊鞓窓C器學習》第1章介紹“機器學習是什么”，即從定義開始，詳細介紹機器學習涉及的知識、數(shù)據(jù)和性能度量。第2章介紹“機器學習可行嗎”，即介紹機器具備學習樣本以外的數(shù)據(jù)的能

本書介紹了與AI相關(guān)的理論知識，例如，AI的核心、AI的3個發(fā)展階段、AI的科技支撐點等。為了增強本書的全面性和系統(tǒng)性，也為了向大家多傳授一些干貨，本書將重點放在了AI在各行各業(yè)、各個領域的商業(yè)化落地項目上。值得注意的是，本書添加了很多代表性案例，希望為讀者提供實實在在的幫助。可以說，在“AI+商業(yè)”方面，本書既具有實

本書從區(qū)塊鏈的四個核心前沿技術(shù)--分布式賬本、加密技術(shù)、共識機制和智能合約技術(shù)入手，重點介紹公有鏈、聯(lián)盟鏈和私有鏈上的共識機制，描述其中使用的去中心化算法，包括PoW（工作量證明），PoS（權(quán)益證明），DPoS（股份授權(quán)證明），Ripple共識，PBFT（實用拜占庭容錯）和PoV（投票證明）等，并具體分析了每個算

粒計算是目前人工智能領域內(nèi)廣為關(guān)注的研究課題，本書旨在為初學者提供學習粒計算理論與方法的基本指導。模糊集、粗糙集和概念格是粒計算的三種主要的方法，本書把這三種方法有機地結(jié)合成為一個粒計算的基本理論框架，主要包括：1）模糊集理論，2）粗糙集理論，3）概念格理論。