機(jī)器學(xué)習(xí)是一門涉及高等數(shù)學(xué)、線性代數(shù)、概率論、統(tǒng)計(jì)學(xué)和運(yùn)籌學(xué)等領(lǐng)域的交叉學(xué)科。機(jī)器學(xué)習(xí)的基礎(chǔ)就是數(shù)學(xué)，這也就要求學(xué)習(xí)者要有良好的數(shù)學(xué)基礎(chǔ)。為了降低機(jī)器學(xué)習(xí)的學(xué)習(xí)門檻，本書深入淺出地對(duì)機(jī)器學(xué)習(xí)算法的數(shù)學(xué)原理進(jìn)行了嚴(yán)謹(jǐn)?shù)耐茖?dǎo)；并利用Python3對(duì)各種機(jī)器學(xué)習(xí)算法進(jìn)行復(fù)現(xiàn)，還利用介紹的算法在相應(yīng)數(shù)據(jù)集上進(jìn)行實(shí)戰(zhàn)。本書主要內(nèi)

本書通過(guò)分析最優(yōu)化理論和算法與機(jī)器學(xué)習(xí)的關(guān)系：最優(yōu)化理論和算法促進(jìn)了機(jī)器學(xué)習(xí)的發(fā)展，同時(shí)機(jī)器學(xué)習(xí)對(duì)最優(yōu)化的理論和求解方法也帶來(lái)了新的研究方向和研究方法。我們針對(duì)組合優(yōu)化問題，特別是NP問題,提出機(jī)器學(xué)習(xí)的求解方法，此類方法通過(guò)一些學(xué)習(xí)方法，結(jié)合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機(jī)器學(xué)習(xí)理論方法。 本書共分為六章，

本書系統(tǒng)介紹了作者近年來(lái)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(lái)最新的研究進(jìn)展與發(fā)展動(dòng)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(gè)維度，分別介紹了基于合作、競(jìng)爭(zhēng)以及合作與競(jìng)爭(zhēng)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(duì)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(guó)內(nèi)外該領(lǐng)域的研究情況，總結(jié)出一個(gè)較為清晰的脈絡(luò)，對(duì)相關(guān)問題的定義、起源進(jìn)行了追溯，并有針對(duì)性地明確幾個(gè)研究問題的定義。然后，對(duì)作為研究試驗(yàn)基礎(chǔ)的多學(xué)科知識(shí)結(jié)構(gòu)問題進(jìn)行了分析，并進(jìn)一步對(duì)學(xué)術(shù)論文引用預(yù)測(cè)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(shí)間依賴切換策略下切換隨機(jī)時(shí)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(shí)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(shí)滯系統(tǒng)的輸出調(diào)節(jié)問題；切換時(shí)滯系統(tǒng)基于輸出增長(zhǎng)無(wú)源性的輸出調(diào)節(jié)問題；基于無(wú)源性的切換隨機(jī)時(shí)滯系統(tǒng)的異步輸出調(diào)節(jié)問題等。

近20年來(lái)，復(fù)雜神經(jīng)網(wǎng)絡(luò)的建模與動(dòng)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(dòng)力學(xué)等多學(xué)科交叉領(lǐng)域具有較大挑戰(zhàn)性的一個(gè)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(dòng)力學(xué)行為，探討大規(guī)模神經(jīng)網(wǎng)絡(luò)對(duì)外界輸入信號(hào)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(duì)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(huì)提供有

隨著計(jì)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(lái)到我們身邊，一時(shí)間我們的周圍到處舞動(dòng)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(shí)間，人機(jī)交互、無(wú)人駕駛、虛擬現(xiàn)實(shí)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(shí)別、文本識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)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(jì)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(yǔ)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(shí)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(jì)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(dòng)機(jī)器人定位與建圖、移動(dòng)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(shí)現(xiàn)。本書將數(shù)學(xué)基礎(chǔ)知識(shí)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(jì)算圖自動(dòng)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(yǔ)言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識(shí)，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實(shí)現(xiàn)圖片識(shí)別、文本翻譯、強(qiáng)化學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)等多個(gè)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(yǔ)言實(shí)現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實(shí)踐緊密結(jié)合。

隨著計(jì)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(guó)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(guó)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(gè)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(jiǎn)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(shí)現(xiàn)高級(jí)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(guò)訓(xùn)練深度前饋神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)字進(jìn)行分類，如何通過(guò)深度學(xué)習(xí)架構(gòu)解決計(jì)算機(jī)視覺、語(yǔ)言處理、語(yǔ)義分析等方面的

粒計(jì)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(lái)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(jì)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(shí)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(duì)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(shì)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(dòng)了人工智能的熱潮。本書結(jié)合項(xiàng)目實(shí)踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機(jī)器學(xué)習(xí)平臺(tái)的主要特點(diǎn)；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(tái)，通過(guò)多個(gè)項(xiàng)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(shí)，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(duì)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(shí)為重點(diǎn)，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(gè)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(shí)際應(yīng)用。主要內(nèi)容有：自動(dòng)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(shí)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(dòng)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(duì)應(yīng)的可運(yùn)行的代碼進(jìn)行說(shuō)明。程序員可以通過(guò)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(shí)掌握靜態(tài)計(jì)算圖和動(dòng)態(tài)計(jì)算圖這兩大流派，方便讀者跟隨新技術(shù)形勢(shì)。同時(shí)還介