數(shù)據(jù)科學與人工智能數(shù)學基礎課旨在幫助讀者快速打下數(shù)學基礎，通俗講解每一個知識點。 全書分為3篇，共17章。其中第1篇為基礎篇，主要講述了高等數(shù)學基礎、微積分、泰勒公式與拉格朗日；第2篇為核心知識篇，主要講述了線性代數(shù)基礎、特征值與矩陣分解、隨機變量與概率估計、概率論基礎、數(shù)據(jù)科學的幾種分布、核函數(shù)變換、熵與激活函數(shù)；第

本書比較全面系統(tǒng)地闡述了自動控制原理的基本理論和應用。全書分8章。第1章深入淺出地講述了自動控制的基本概念和發(fā)展歷史；第2章介紹了線性連續(xù)控制系統(tǒng)在時域和復域中的數(shù)學模型及其結構圖和信號流圖；第3~5章分別講述了線性連續(xù)控制系統(tǒng)的時域分析法、根軌跡分析法、頻域分析法；第6章比較全面地闡述了線性連續(xù)控制系統(tǒng)的幾種典型校正

《機器學習中的基本算法》共八章.第1章和第2章簡要介紹了機器學習的基本概念、研究內容、算法體系，以及相關的優(yōu)化理論與優(yōu)化算法.第3章和第4章詳細介紹了幾類作為分類器和回歸器的支持向量機算法，包括算法出發(fā)點、建模思想、理論推導和算法在數(shù)據(jù)分類、識別、擬合、預測等方面的應用.第5章和第6章著重介紹了兩類常用的數(shù)據(jù)預處理方法

《機器學習與人工智能》涵蓋了與人工智能相關的機器學習核心方法，包括深度卷積神經網(wǎng)絡、循環(huán)神經網(wǎng)絡、生成對抗網(wǎng)絡、蒙特卡羅樹搜索、強化學習�！稒C器學習與人工智能》也包括一些應用非常廣泛的機器學習方法，例如，支持向量機、決策樹和隨機森林、隱馬爾可夫模型、聚類與自組織映射�！稒C器學習與人工智能》還包含一些重要的大數(shù)據(jù)分析方法

多標記學習指一個樣本可能對應多個語義標記的學習框架，在文本分類、基因功能分類、圖像識別等領域廣泛存在。多標記學習因其問題的復雜性及廣泛的應用背景，得到了越來越多的重視與研究。多標記學習的研究主要圍繞降低特征空間或標記空間的復雜性，提高多標記學習算法的精度而展開。本書主要介紹多標記分類、多標記特征降維、標記關系分析及多標

當前，人工智能作為一項引領未來的顛覆性戰(zhàn)略技術，已在國家安全、國防軍事、社會治理、文化教育、醫(yī)療健康、家居娛樂等領域初露崢嶸，成為世界各國極其重視的核心競爭力技術之一。本書主要研究人工智能新技術、新構想、新應用，面向未來，從人工智能發(fā)展歷程、機器學習、感知認知、人機交互、機器人、腦科學、"智能+"未來應用，以及人工智能

本書主要利用控制論、代數(shù)圖論、矩陣論及偏微分方程等理論和方法,重點闡述了多智能體系統(tǒng)一致性和復雜動態(tài)網(wǎng)絡同步控制這兩個問題,主要討論以下幾類問題：多智能體系統(tǒng)的**-跟隨一致性問題;時滯復雜網(wǎng)絡的同步問題;Lurie型動態(tài)網(wǎng)絡的簇同步問題.

知識工程是創(chuàng)新方法的一種，是一個采用人工智能技術進行文本理解閱讀，用知識圖譜進行知識表達，并在知識圖譜上構建的一個具有搜索、推薦、問答、輿情監(jiān)測和社區(qū)服務功能的系統(tǒng)。本書概括了知識管理和知識工程的各種概念，描述了人工智能技術在知識挖掘中的應用發(fā)展趨勢及實現(xiàn)知識工程的云架構技術，列舉了知識工程在幾個典型行業(yè)的應用實例，展

k-均值算法是數(shù)據(jù)聚類的核心算法，是唯一入選數(shù)據(jù)挖掘領域的十大算法的聚類算法。在實際系統(tǒng)中使用的聚類算法基本就是k-均值算法�！秌-均值聚類》是第一部專門討論k-均值算法的著作，對k-均值算法的理論和方法、各類衍生算法、各種改進方法進行全面而系統(tǒng)地介紹�！秌-均值聚類》共4章：第1章討論聚類問題和發(fā)展歷史；第2章介紹k

全書介紹了人工智能芯片相關的基礎領域知識，分析了人工智能處理面臨的挑戰(zhàn)，由此引出全書的重點：人工智能芯片的架構設計、數(shù)據(jù)復用、網(wǎng)絡映射、存儲優(yōu)化以及軟硬件協(xié)同設計技術等領域前沿技術，書中還討論了當前研究成果，并輔以實驗數(shù)據(jù)進行比較分析，最后展望了人工智能芯片技術的發(fā)展方向。

智能的概念和內容很多，其核心思想是模擬人或其他生物的神經系統(tǒng)，實現(xiàn)各種運算和操作過程，尤其是人的智能操作。《BR》本書由四部分組成，第一部分是概論，討論智能計算的類型、特征、發(fā)展過程和應用問題，并介紹和其他學科的關系問題。這些學科主要是生命科學、信息科學等。第二部分是算法篇，介紹智能計算中多種不同類型的算法，詳細介紹它

本書分四部分介紹深度學習算法模型及相關應用實例。第一部分介紹在深度學習中必備的一些數(shù)學和機器學習的基礎知識。第二部分介紹卷積神經網(wǎng)絡、循環(huán)神經網(wǎng)絡、深度強化網(wǎng)絡等經典模型，并對每種模型從原理、結構、優(yōu)化等方面進行論述。第三部分介紹深度學習中常用的優(yōu)化方法及訓練技巧。第四部分結合實踐來介紹深度學習在計算機視覺、模式識別中

本書的主要內容包括控制系統(tǒng)的一般概念、連續(xù)時間線性和非線性系統(tǒng)輸入/輸出模型、連續(xù)時間系統(tǒng)的穩(wěn)定性分析、連續(xù)時間系統(tǒng)的性能分析、常規(guī)控制器的設計方法以及離散控制系統(tǒng)的基本理論。為便于讀者盡快掌握自動控制“從思路到代碼”的實現(xiàn)過程，書中還給出了針對他勵直流電機的基于MATLAB控制理論實踐部分。

本書重點介紹了經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，

隨著人工智能技術在各行業(yè)的應用蓬勃發(fā)展，其已滲透社會及人們日常生活的方方面面，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，描述了深度神經網(wǎng)

《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、基因調控、神經網(wǎng)絡以及細胞應對DNA損傷的調控機制）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

《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，結合大量的實際商業(yè)應用案例介紹了諸多經典的機器學習算法，比如LASSO回歸、MCMC、決策樹、隨機森林和神經網(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

本書從區(qū)塊鏈的四個核心前沿技術--分布式賬本、加密技術、共識機制和智能合約技術入手，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（權益證明），DPoS（股份授權證明），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廣為關注的研究課題，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。

作為一個崛起中的新興力量，人工智能不僅僅是一種技術，它的發(fā)展除了在科學和產業(yè)發(fā)展領域產生影響之外，還將對現(xiàn)行人類的社會規(guī)范、生活模式產生非常深遠的影響。隨著第三次人工智能潮的到來，人們對人工智能及其未來的發(fā)展充滿強烈的興趣和諸多的疑問——什么是人工智能？人工智能對人類生活會有哪些深遠影響？我們又能通過人工智能實現(xiàn)什么樣