科學(xué)計(jì)算可視化（ScientificVisualization，SciVis）是計(jì)算機(jī)圖形學(xué)的一個重要研究方向，是圖形科學(xué)的新領(lǐng)域。隨著計(jì)算能力的不斷增強(qiáng)，科學(xué)數(shù)據(jù)中使用的物理模型以及模擬空間的大小都在不斷提高。本書嘗試性地將機(jī)器學(xué)習(xí)理論應(yīng)用于科學(xué)計(jì)算可視化中，大大提高了數(shù)據(jù)中特征識別的魯棒性和準(zhǔn)確率，同時結(jié)合流場數(shù)據(jù)

本書內(nèi)容包括：一類四次指數(shù)多項(xiàng)式的零點(diǎn)分布；無自反饋的具時滯的四維神經(jīng)網(wǎng)絡(luò)模型的Hopf分支；無自反饋的具時滯的四維神經(jīng)網(wǎng)絡(luò)模型的Pitchfork分支等。

本書基于多重共現(xiàn)的知識發(fā)現(xiàn)方法的研究致力于將三個或三個以上特征項(xiàng)共現(xiàn)的現(xiàn)象作為研究主體，在總結(jié)現(xiàn)有的共現(xiàn)研究方法、數(shù)據(jù)挖掘技術(shù)、可視化技術(shù)、知識發(fā)現(xiàn)方法的基礎(chǔ)上，拓展共現(xiàn)現(xiàn)象的研究范圍。本書界定了多重共現(xiàn)的概念，構(gòu)建了一套多重共現(xiàn)的基礎(chǔ)理論體系，研究了可用于多重共現(xiàn)的可視化方式，設(shè)計(jì)并開發(fā)了三重共現(xiàn)的可視化分析工具，并

在大數(shù)據(jù)背景下，傳統(tǒng)的決策管理正在從以管理流程為主逐漸向以數(shù)據(jù)為中心的范式轉(zhuǎn)變，決策管理中各參與方提供的相關(guān)信息流向更趨于多元和交互，開源數(shù)據(jù)庫SciDB開發(fā)商Paradigm4進(jìn)行的一項(xiàng)針對111名北美數(shù)據(jù)科學(xué)家的調(diào)查顯示，71%的數(shù)據(jù)科學(xué)家認(rèn)為數(shù)據(jù)的多樣性構(gòu)成的挑戰(zhàn)，遠(yuǎn)大于數(shù)據(jù)總量構(gòu)成的威脅和挑戰(zhàn)。多種粒度、多種數(shù)

本書針對大數(shù)據(jù)呈現(xiàn)的體量巨大、多源異構(gòu)、動態(tài)性和不確定性等特點(diǎn)，以粒計(jì)算理論為基礎(chǔ)，以優(yōu)勢關(guān)系粗糙集模型為研究對象，以增量學(xué)習(xí)技術(shù)為方法，以并行計(jì)算框架為支撐，構(gòu)建大數(shù)據(jù)分析與挖掘的原理和方法及其算法，并融入了相關(guān)領(lǐng)域?qū)W者在動態(tài)知識發(fā)現(xiàn)、數(shù)據(jù)融合、大數(shù)據(jù)并行處理等成果，反映了基于粒計(jì)算和粗糙集視角處理大數(shù)據(jù)的最新進(jìn)展。

本書借鑒認(rèn)知科學(xué)的理論研究成果，對本體學(xué)習(xí)過程中的認(rèn)知狀態(tài)及其變化進(jìn)行深入研究，提出本體學(xué)習(xí)的認(rèn)知模型，給出該模型的形式化表示及實(shí)現(xiàn)方法。此外，本書還對本體學(xué)習(xí)研究的發(fā)展方向進(jìn)行展望。

本書主要內(nèi)容是研究非線性隨機(jī)時滯神經(jīng)網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定與脈沖鎮(zhèn)定。這些系統(tǒng)包括脈沖隨機(jī)泛函系統(tǒng)、隨機(jī)遞歸時滯神經(jīng)網(wǎng)絡(luò)、具不定脈沖參數(shù)的雙向神經(jīng)網(wǎng)絡(luò)、Cohen-Grossberg型神經(jīng)網(wǎng)絡(luò)及其隨機(jī)脈沖情況、一維整數(shù)格時滯細(xì)胞神經(jīng)網(wǎng)絡(luò)和分流抑制細(xì)胞神經(jīng)網(wǎng)絡(luò)。

本書介紹了商空間理論、三支決策理論和粗糙集理論等粒計(jì)算研究的概述和最新進(jìn)展。全書共16章，主要由主要由三部分組成，具體包括問題求解商空間理論形成始末、商空間理論及應(yīng)用綜述、多粒度上空間分類搜索與結(jié)構(gòu)分析、基于力度空間的最優(yōu)聚類模型及應(yīng)用等。

無人駕駛是人工智能發(fā)展到2017年的綜合能力展現(xiàn)，是一個復(fù)雜的系統(tǒng)，涉及的技術(shù)點(diǎn)種類多且跨度大，核心技術(shù)是通過大數(shù)據(jù)與深度學(xué)習(xí)快速運(yùn)算，實(shí)現(xiàn)安全駕駛，在未來減輕人類工作量。本書首先宏觀地呈現(xiàn)了無人駕駛的整體技術(shù)架構(gòu)，在讀者對無人駕駛技術(shù)有了宏觀認(rèn)識后，本書深入淺出地講解了無人駕駛定位導(dǎo)航、基于計(jì)算機(jī)視覺的無人駕駛感知系

《深度學(xué)習(xí)原理與TensorFlow實(shí)踐》主要介紹了深度學(xué)習(xí)的基礎(chǔ)原理和TensorFlow系統(tǒng)基本使用方法。TensorFlow是目前機(jī)器學(xué)習(xí)、深度學(xué)習(xí)領(lǐng)域最優(yōu)秀的計(jì)算系統(tǒng)之一，《深度學(xué)習(xí)原理與TensorFlow實(shí)踐》結(jié)合實(shí)例介紹了使用TensorFlow開發(fā)機(jī)器學(xué)習(xí)應(yīng)用的詳細(xì)方法和步驟。同時，《深度學(xué)習(xí)原理與Te

本書系統(tǒng)介紹了視覺SLAM(同時定位與地圖構(gòu)建)所需的基本知識與核心算法，既包括數(shù)學(xué)理論基礎(chǔ)，如三維空間的剛體運(yùn)動、非線性優(yōu)化，又包括計(jì)算機(jī)視覺的算法實(shí)現(xiàn)，例如多視圖幾何、回環(huán)檢測等。此外，我們還提供了大量的實(shí)例代碼供讀者學(xué)習(xí)研究，更深入地掌握這些內(nèi)容。

本書對近年來稀疏學(xué)習(xí)、分類與識別領(lǐng)域常見的理論及技術(shù)進(jìn)行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報(bào)告。

本書對近年來認(rèn)知計(jì)算和多目標(biāo)優(yōu)化領(lǐng)域常見的理論及技術(shù)進(jìn)行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報(bào)告。

本書從自組織、耗散結(jié)構(gòu)、混沌研究、自創(chuàng)生理論、進(jìn)化理論的方向?qū)ι�命與生態(tài)環(huán)境的歷史、前景與對策進(jìn)行深入的探討，介紹了從機(jī)械世界觀到整體生態(tài)世界觀的重要飛躍。

本書以多智能體系統(tǒng)協(xié)同群集運(yùn)動控制為主線，首先介紹圖論和控制器設(shè)計(jì)所用到的基礎(chǔ)理論知識；其次，分別從拓?fù)浣Y(jié)構(gòu)的邊保持和代數(shù)連通度兩個角度介紹了連通性保持條件下的協(xié)同群集運(yùn)動控制協(xié)議設(shè)計(jì)方法。進(jìn)而，從個體動態(tài)模型和拓?fù)浣Y(jié)構(gòu)模型兩方面繼續(xù)深入，針對典型的輪式移動機(jī)器人非完整約束模型介紹了連通性保持條件下的協(xié)同控制策略，為簡

本書內(nèi)容分三部分：證據(jù)推理方法；置信規(guī)劃庫建模方法；證據(jù)推理與置信規(guī)則庫的應(yīng)用。

本書前兩章介紹了TensorFlow的基礎(chǔ)知識和概念；第3章和第4章介紹了簡單的示例及全連接神經(jīng)網(wǎng)絡(luò)；第5章和第6章介紹了基礎(chǔ)的卷積神經(jīng)網(wǎng)絡(luò)，以及目前比較經(jīng)典的AlexNet、VGGNet、InceptionNet和ResNet；第7章介紹了Word2Vec、RNN和LSTM；第8章介紹了強(qiáng)化學(xué)習(xí)，以及基于深度學(xué)習(xí)的策

知識遷移的目標(biāo)是使機(jī)器具有和人一樣的“舉一反三”的能力，通過已掌握的知識來完成新的任務(wù)。知識遷移是機(jī)器突破程式化約束，具有自主學(xué)習(xí)能力的關(guān)鍵因素，近年來已成為人工智能的研究熱點(diǎn)之一。從“如何遷移”“遷移什么”與“何時遷移”等角度入手，系統(tǒng)闡述了關(guān)聯(lián)知識的表達(dá)形式、遷移的方式與手段以及實(shí)現(xiàn)遷移的時機(jī)等問題。然而知識遷移方

《神經(jīng)網(wǎng)絡(luò)導(dǎo)論》共5章，第1章主要介紹神經(jīng)網(wǎng)絡(luò)、微分系統(tǒng)穩(wěn)定性理論和泛函分析的基本理論和概念；第2章介紹神經(jīng)網(wǎng)絡(luò)的基本模型及算法；第3章介紹后期比較熱門的三種神經(jīng)網(wǎng)絡(luò)，即Hopfield神經(jīng)網(wǎng)絡(luò)、細(xì)胞神經(jīng)網(wǎng)絡(luò)與雙向聯(lián)想（BAM）神經(jīng)網(wǎng)絡(luò)的模型及動力學(xué)問題；第4章介紹復(fù)雜神經(jīng)網(wǎng)絡(luò)模型及動力學(xué)問題；第5章介紹神經(jīng)網(wǎng)絡(luò)的應(yīng)用

本書用豐富的圖示和實(shí)驗(yàn)，將物體的自動理解技術(shù)和機(jī)器學(xué)習(xí)的理論相結(jié)合，以實(shí)現(xiàn)物體的自動理解技術(shù)為主線，以機(jī)器學(xué)習(xí)的理論作為主要方法，結(jié)合實(shí)例逐步深入地介紹了機(jī)器學(xué)習(xí)相關(guān)理論。主要內(nèi)容包括特征提取、三維網(wǎng)格分割、三維場景重建、三維模型功能性分析等，涵蓋了目前常用的主流的各種學(xué)習(xí)方法。本書結(jié)構(gòu)緊湊，內(nèi)容逐步深入，同時包含大量