《Autodesk3dsMax2018標準教材I》是Autodesk官方認證的標準教材。本書在編寫過程中注重實際操作技能的培養(yǎng)，采用理論和案例相結(jié)合的方式，由淺入深地講解了使用3dsMax軟件進行三維動畫制作的操作方法及流程，其中包括3dsMax的基本操作、建模、材質(zhì)、燈光、攝影機和渲染等三維創(chuàng)作的基礎(chǔ)知識，以及基礎(chǔ)動

本書以Python機器學習常用技術(shù)與真實案例相結(jié)合的方式，深入淺出地介紹了Python機器學習應(yīng)用的主要內(nèi)容。全書共11章，分別介紹了機器學習概述、數(shù)據(jù)準備、特征工程、有監(jiān)督學習、無監(jiān)督學習、智能推薦的相關(guān)知識，并介紹了市財政收入分析案例、基于非侵入式電力負荷監(jiān)測與分解的電力分析案例、航空公司客戶價值分析案例、廣電大數(shù)

近年來人工智能技術(shù)蓬勃發(fā)展，人工智能正在改變我們的生活。為了讓讀者在不需要掌握太多數(shù)學 和計算機科學知識的情況下，能夠快速上手，使用Python語言實現(xiàn)常用的機器學習算法，并解決一些實際的問題，我們策劃并出版本書。 本書共14章，內(nèi)容涵蓋基本的機器學習概念和環(huán)境搭建，目前各個領(lǐng)域中的熱門算法，以及數(shù)據(jù)預(yù)處理、模型評估和

零樣本圖像分類主要解決在標記訓(xùn)練樣本不足以涵蓋所有對象類的情況下，如何對未知新模式進行正確分類的問題，近年來已逐漸成為機器學習領(lǐng)域的研究熱點之一。利用可見類訓(xùn)練樣本學習到的分類器對新出現(xiàn)的對象類進行分類識別是非常困難的學習任務(wù)�！读銟颖緢D像分類》針對零樣本圖像分類問題從屬性角度入手，基于深度學習及知識挖掘、屬性自適應(yīng)、

本書主要講述經(jīng)典控制理論的基本知識及其在機械工程領(lǐng)域中的應(yīng)用，使讀者掌握機電動態(tài)系統(tǒng)的工程設(shè)計計算和分析方法。全書共七章，內(nèi)容包括控制系統(tǒng)的組成，數(shù)學模型建立，時域、穩(wěn)定性與根軌跡、頻域分析與系統(tǒng)校正，簡要介紹了現(xiàn)代控制理論。各章均附有習題及參考答案。本書適合工程應(yīng)用型高校機械、機電、測控、儀器、自動化等專業(yè)本科生和高

本書系統(tǒng)介紹了非線性嚴格反饋系統(tǒng)的智能自適應(yīng)反步遞推控制的基本理論和方法，力求涵蓋國內(nèi)外**研究成果。主要內(nèi)容包括：非線性嚴格反饋系統(tǒng)的智能自適應(yīng)控制設(shè)計方法及理論，非線性嚴格反饋系統(tǒng)的智能自適應(yīng)魯棒控制設(shè)計方法及理論，基于觀測器的非線性嚴格反饋系統(tǒng)的智能自適應(yīng)控制設(shè)計方法及理論，基于觀測器的非線性嚴格反饋系統(tǒng)的智能自

本書為國家社會科學基金項目成果，針對個性化學習資源推薦面臨的主要問題，圍繞數(shù)據(jù)挖掘優(yōu)化方法、學習者建模、個性化學習資源推薦等方面的內(nèi)容展開研究。本書采用定性與定量研究、理論與實證研究相結(jié)合的研究方式，融合多個學科的技術(shù)成果，在研究方法和手段上有所創(chuàng)新。本書既包括翔實的理論闡述，又有系列的公式演示，嚴謹可信，具有一定的理

Thisbookdiscussesthetheoryofthespacefaulttreeframework,whichisprimarilyusedinternationallyforsystemreliabilityanalysis.Throughtheintegrationofthefactorspacetheo

本書系統(tǒng)地闡述了智能水下機器人測深信息同步定位與建圖技術(shù)的發(fā)展與應(yīng)用。全書共7章，內(nèi)容主要包括智能水下機器人測深信息同步定位與建圖技術(shù)的發(fā)展現(xiàn)狀、位姿圖構(gòu)建技術(shù)、位姿圖構(gòu)建中的閉環(huán)檢測技術(shù)、魯棒閉環(huán)檢測技術(shù)、位姿圖優(yōu)化技術(shù)、魯棒位姿圖優(yōu)化技術(shù)以及魯棒測深信息同步定位與建圖的軟/硬件系統(tǒng)搭建等。本書內(nèi)容基本上覆蓋了智能水

本書是機器學習領(lǐng)域的入門教材，詳細闡述了機器學習的基本理論和方法。全書由15章組成，包括機器學習概論、數(shù)學基礎(chǔ)知識、線性模型與邏輯斯諦回歸、支持向量機、人工神經(jīng)網(wǎng)絡(luò)、決策樹算法、貝葉斯算法、k近鄰算法、數(shù)據(jù)降維算法、聚類算法、高斯混合模型與EM算法、集成學習算法、**熵算法、概率圖算法以及強化學習算法等。對每一種機器學