本書系統(tǒng)介紹了作者近年來在分布式多智能體系統(tǒng)一致性協(xié)同控制領(lǐng)域的最新理論研究成果，其集中體現(xiàn)了該領(lǐng)域近年來最新的研究進(jìn)展與發(fā)展動態(tài)。圍繞系統(tǒng)復(fù)雜性、拓?fù)鋸?fù)雜性以及連接復(fù)雜性三個維度，分別介紹了基于合作、競爭以及合作與競爭關(guān)系的同質(zhì)、異質(zhì)多智能體復(fù)雜系統(tǒng)的一致性以及分組一致性協(xié)同控制等基本問題，為豐富和發(fā)展多智能體系統(tǒng)協(xié)

本書對智能任務(wù)的專家遴選與推薦問題進(jìn)行了較為深入、全面的研究。本書首先全面梳理了國內(nèi)外該領(lǐng)域的研究情況，總結(jié)出一個較為清晰的脈絡(luò)，對相關(guān)問題的定義、起源進(jìn)行了追溯，并有針對性地明確幾個研究問題的定義。然后，對作為研究試驗基礎(chǔ)的多學(xué)科知識結(jié)構(gòu)問題進(jìn)行了分析，并進(jìn)一步對學(xué)術(shù)論文引用預(yù)測及影響因素、專家興趣建模、面向主題覆蓋

本書主要內(nèi)容如下：時間依賴切換策略下切換隨機(jī)時滯系統(tǒng)的耗散輸出調(diào)節(jié)問題；誤差依賴切換策略下切換隨機(jī)時滯系統(tǒng)的耗散輸出調(diào)節(jié)問題；帶有交叉供給率的切換隨機(jī)時滯系統(tǒng)的輸出調(diào)節(jié)問題；切換時滯系統(tǒng)基于輸出增長無源性的輸出調(diào)節(jié)問題；基于無源性的切換隨機(jī)時滯系統(tǒng)的異步輸出調(diào)節(jié)問題等。

近20年來，復(fù)雜神經(jīng)網(wǎng)絡(luò)的建模與動力學(xué)行為研究已成為神經(jīng)科學(xué)、信息科學(xué)、非線性動力學(xué)等多學(xué)科交叉領(lǐng)域具有較大挑戰(zhàn)性的一個前沿性研究課題。因此，深入研究大規(guī)模神經(jīng)網(wǎng)絡(luò)的復(fù)雜動力學(xué)行為，探討大規(guī)模神經(jīng)網(wǎng)絡(luò)對外界輸入信號的興奮特性、同步特性和復(fù)雜網(wǎng)絡(luò)自身的穩(wěn)定性等，對于探索人腦的記憶、學(xué)習(xí)與思維方式和信息的處理能力將會提供有

隨著計算技術(shù)的飛速發(fā)展，人共智能似乎在頃刻之間就悄悄地來到我們身邊，一時間我們的周圍到處舞動著人工智能，令人眼花繚亂。從手機(jī)到3D打印，從谷歌眼鏡到全息投影，就連美圖APP一鍵整容都要依靠人工智能；而且，人工智能的快速發(fā)展超越人類的想象，一時間，人機(jī)交互、無人駕駛、虛擬現(xiàn)實等智能設(shè)備扎堆出現(xiàn)，智能機(jī)器人頻頻亮相。

不知不覺，人工智能已經(jīng)走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術(shù)。這些應(yīng)用的核心技術(shù)就是深度學(xué)習(xí)，也正是本書的核心內(nèi)容。 本書以TensorFlow為核心，分為3篇，共計15章節(jié)。第1篇是基礎(chǔ)篇（第1~5章），主要介紹什么是深度學(xué)習(xí)、深度學(xué)習(xí)的本質(zhì)是什么、深度學(xué)習(xí)所使用的教材和方法，以及深度學(xué)習(xí)

本書內(nèi)容涵蓋了人工智能的起源、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、專家系統(tǒng)、推薦系統(tǒng)、自然語言處理、智能圖像處理、智能機(jī)器人。本書可供從事人工智能研究領(lǐng)域的工程技術(shù)人員和科研人員閱讀。

全書分為人工智能基礎(chǔ)與智能機(jī)器人兩大部分，共17章。第一部分主要介紹人工智能的基本概念、知識工程、確定性推理、不確定性推理、搜索方法、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、進(jìn)化計算與群體智能、分布式人工智能等內(nèi)容。第二部分主要介紹智能機(jī)器人的定義和研究領(lǐng)域、機(jī)器人感知、移動機(jī)器人定位與建圖、移動機(jī)器人導(dǎo)航、機(jī)器人路徑規(guī)劃、多機(jī)器人系

本書以神經(jīng)網(wǎng)絡(luò)為線索，沿著從線性模型到深度學(xué)習(xí)的路線講解神經(jīng)網(wǎng)絡(luò)的原理和實現(xiàn)。本書將數(shù)學(xué)基礎(chǔ)知識與機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)緊密結(jié)合，包含線性模型的結(jié)構(gòu)與局限、損失函數(shù)、基于一階和二階信息的優(yōu)化算法、模型自由度與正則化、神經(jīng)網(wǎng)絡(luò)的表達(dá)能力、反向傳播與計算圖自動求導(dǎo)、卷積神經(jīng)網(wǎng)絡(luò)等主題，幫助讀者建立基于數(shù)學(xué)原理的較深刻的洞見和認(rèn)

本書用淺顯易懂的語言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實現(xiàn)圖片識別、文本翻譯、強(qiáng)化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)等多個目前*流行的深度學(xué)習(xí)應(yīng)用。書中基于目前流行的PyTorch框架，運(yùn)用Python語言實現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實踐緊密結(jié)合。

隨著計算科學(xué)的快速發(fā)展，人工智能已為我們大家熟知。2017年國務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能的國家戰(zhàn)略地位，關(guān)于人工智能的科普、技術(shù)普及讀物也已出現(xiàn)，但符合少年兒童認(rèn)知的人工智能科普讀物卻一直是個空白。本書是面向少年兒童的人工智能科普讀物，用輕松有趣的筆觸和明確簡潔的形式介紹人工智能的歷史、現(xiàn)狀

本書主要講述了深度學(xué)習(xí)中的重要概念和技術(shù)，并展示了如何使用TensorFlow實現(xiàn)高級機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)。本書首先介紹了數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中的基本概念，然后講述如何使用TensorFlow訓(xùn)練深度學(xué)習(xí)模型，以及如何通過訓(xùn)練深度前饋神經(jīng)網(wǎng)絡(luò)對數(shù)字進(jìn)行分類，如何通過深度學(xué)習(xí)架構(gòu)解決計算機(jī)視覺、語言處理、語義分析等方面的

粒計算是人工智能的重要分支領(lǐng)域。它以一種�；�的思想和方法來分析與處理問題，這為探究人工智能中普遍存在的不確定性問題提供了新方法。本書介紹粒計算中不確定性分析的最新研究進(jìn)展。全書共12章，內(nèi)容涉及經(jīng)典粗糙集、模糊粗糙集、鄰域粗糙集、三支決策、決策規(guī)則、鄰域系統(tǒng)、深度學(xué)習(xí)等。每章都深入分析模型及其在應(yīng)用中存在的不確定性問題

本書是2012~2013年筆者在劍橋大學(xué)訪學(xué)時的所看所感所思所悟，結(jié)合科學(xué)哲學(xué)、藝術(shù)等方面的觀察思考，針對起源于劍橋大學(xué)的人機(jī)交互技術(shù)、智能科學(xué)歷史淵源進(jìn)行了深入細(xì)致的梳理和分析，并結(jié)合自己正在進(jìn)行中的人機(jī)融合智能研究展開本質(zhì)性探討和思考，比如在自主系統(tǒng)、機(jī)器學(xué)習(xí)、深度態(tài)勢感知、人機(jī)環(huán)境系統(tǒng)、智能哲學(xué)、軍事智能、智能傳

機(jī)器學(xué)習(xí)已經(jīng)廣泛地應(yīng)用于各行各業(yè)，深度學(xué)習(xí)的興起再次推動了人工智能的熱潮。本書結(jié)合項目實踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機(jī)器學(xué)習(xí)平臺的主要特點；然后結(jié)合Tableau介紹了數(shù)據(jù)可視化在銀行客戶用卡行為分析的應(yīng)用。在此基礎(chǔ)上，利用上述介紹的這些平臺，通過多個項目案例，詳細(xì)地分析

數(shù)學(xué)是機(jī)器學(xué)習(xí)繞不開的基礎(chǔ)知識，傳統(tǒng)教材的風(fēng)格偏重理論定義和運(yùn)算技巧，想以此高效地打下機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)，針對性和可讀性并不佳。本書以機(jī)器學(xué)習(xí)涉及的線性代數(shù)核心知識為重點，進(jìn)行新的嘗試和突破：從坐標(biāo)與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個維度，環(huán)環(huán)相扣地展開線性代數(shù)與機(jī)器學(xué)習(xí)算法緊密結(jié)合的核心內(nèi)容，

本書介紹了經(jīng)典控制理論的基本概念、基本理論和控制系統(tǒng)的基本分析方法及實際應(yīng)用。主要內(nèi)容有：自動控制的基本概念、控制系統(tǒng)的數(shù)學(xué)模型、控制系統(tǒng)的時域分析法和頻域分析法、控制系統(tǒng)的校正、直流調(diào)速系統(tǒng)、直流脈寬調(diào)速系統(tǒng)、位置隨動系統(tǒng)、交流變頻調(diào)速系統(tǒng)等。各章均配有內(nèi)容提要、小結(jié)和大量習(xí)題。

本書以程序員所熟悉的代碼方式帶領(lǐng)程序員們進(jìn)入深度學(xué)習(xí)的世界。所有的理論都有對應(yīng)的可運(yùn)行的代碼進(jìn)行說明。程序員可以通過修改和調(diào)試代碼在熟悉的世界里完成向深度學(xué)習(xí)的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學(xué)習(xí)框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術(shù)形勢。同時還介

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)