本書(shū)主要講述經(jīng)典控制理論的基本知識(shí)及其在機(jī)械工程領(lǐng)域中的應(yīng)用，使讀者掌握機(jī)電動(dòng)態(tài)系統(tǒng)的工程設(shè)計(jì)計(jì)算和分析方法。全書(shū)共七章，內(nèi)容包括控制系統(tǒng)的組成，數(shù)學(xué)模型建立，時(shí)域、穩(wěn)定性與根軌跡、頻域分析與系統(tǒng)校正，簡(jiǎn)要介紹了現(xiàn)代控制理論。各章均附有習(xí)題及參考答案。本書(shū)適合工程應(yīng)用型高校機(jī)械、機(jī)電、測(cè)控、儀器、自動(dòng)化等專(zhuān)業(yè)本科生和高

近年來(lái)，人工智能發(fā)展非常迅速，在可以預(yù)見(jiàn)的未來(lái)，它必然會(huì)強(qiáng)烈沖擊并深刻變革人類(lèi)既有的生活模式。實(shí)際上，除技術(shù)問(wèn)題外，人工智能的邏輯基礎(chǔ)和倫理基礎(chǔ)與哲學(xué)之間的關(guān)系也十分密切。有鑒于此，本書(shū)從與人工智能緊密相關(guān)的哲學(xué)問(wèn)題入手，關(guān)注如下話(huà)題：強(qiáng)人工智能是否可能；近代唯理論和經(jīng)驗(yàn)論爭(zhēng)論對(duì)于人工智能的影響；蘇聯(lián)、日本及歐盟在人工

本書(shū)選材廣泛，主要包括人工智能概述、現(xiàn)實(shí)世界中人工智能的應(yīng)用、人工智能的類(lèi)型、人工智能的利與弊、人工智能中的知識(shí)表示、人工智能中的推理、人工智能中的搜索算法、機(jī)器學(xué)習(xí)算法、專(zhuān)家系統(tǒng)、人工智能中的模糊邏輯及其應(yīng)用、有監(jiān)督機(jī)器學(xué)習(xí)與無(wú)監(jiān)督機(jī)器學(xué)習(xí)、現(xiàn)實(shí)世界中機(jī)器學(xué)習(xí)的應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、模式識(shí)別、面部識(shí)別、人工智

本書(shū)以Python機(jī)器學(xué)習(xí)常用技術(shù)與真實(shí)案例相結(jié)合的方式，深入淺出地介紹了Python機(jī)器學(xué)習(xí)應(yīng)用的主要內(nèi)容。全書(shū)共11章，分別介紹了機(jī)器學(xué)習(xí)概述、數(shù)據(jù)準(zhǔn)備、特征工程、有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、智能推薦的相關(guān)知識(shí)，并介紹了市財(cái)政收入分析案例、基于非侵入式電力負(fù)荷監(jiān)測(cè)與分解的電力分析案例、航空公司客戶(hù)價(jià)值分析案例、廣電大數(shù)

隨著時(shí)代的發(fā)展、計(jì)算機(jī)硬件性能的提升與大數(shù)據(jù)技術(shù)的進(jìn)步,深度學(xué)習(xí)在理論上不斷創(chuàng)新,尤其在商業(yè)場(chǎng)景應(yīng)用中取得重要成果,使得人工智能又一次進(jìn)入黃金發(fā)展時(shí)期,“深度學(xué)習(xí)時(shí)代”已經(jīng)來(lái)臨!本書(shū)將帶領(lǐng)讀者了解深度學(xué)習(xí)技術(shù)的理論及應(yīng)用情況。全書(shū)共10章,分3部分。第1部分,即第1-第4章,主要介紹人工智能與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí),以及深

物聯(lián)網(wǎng)應(yīng)用具有"賦予物體以智能"和"使物體提供信息"兩個(gè)特征，從而使人與物、物與物之間的互動(dòng)成為可能。但是，由于這些互動(dòng)對(duì)價(jià)值共創(chuàng)的作用機(jī)理尚不清楚，導(dǎo)致無(wú)法進(jìn)行物聯(lián)網(wǎng)應(yīng)用下的商業(yè)模式創(chuàng)新，從而限制了物聯(lián)網(wǎng)應(yīng)用的發(fā)展。因此，本書(shū)將：（1）搜集大量互聯(lián)網(wǎng)時(shí)代下的價(jià)值共創(chuàng)案例（特別是物聯(lián)網(wǎng)應(yīng)用），使用價(jià)值網(wǎng)絡(luò)分析方法解構(gòu)這

本書(shū)主要內(nèi)容包括普通最小二乘法回歸、嶺回歸、Lasso回歸、彈性網(wǎng)絡(luò)回歸、正交匹配追蹤回歸、貝葉斯回歸、廣義線(xiàn)性回歸、隨機(jī)梯度下降回歸、被動(dòng)攻擊回歸、魯棒回歸、多項(xiàng)式回歸、支持向量機(jī)回歸、核嶺回歸、最近鄰回歸、高斯過(guò)程回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)模型、保序回歸、嶺分類(lèi)、邏輯回歸分類(lèi)、隨機(jī)梯度下降分類(lèi)、感知機(jī)、被動(dòng)攻擊分類(lèi)、支

本書(shū)從人工智能的基本定義出發(fā)，由淺入深地闡述了人工智能的理論、策略、研究方法和應(yīng)用領(lǐng)域，以梳理知識(shí)脈絡(luò)和要點(diǎn)的方式，詳細(xì)介紹了知識(shí)表示、邏輯推理及方法、非確定性推理及方法、搜索策略、機(jī)器學(xué)習(xí)等方面的內(nèi)容。作為導(dǎo)論書(shū)籍，本書(shū)概念論述清楚，內(nèi)容豐富，通俗易懂，在較為全面介紹人工智能的基礎(chǔ)上對(duì)一些傳統(tǒng)內(nèi)容進(jìn)行了取舍。為滿(mǎn)足讀

本書(shū)的主要特色在于知識(shí)建模和智能推理技術(shù)方面的創(chuàng)新，并基于知識(shí)圖譜建模和智能推理技術(shù)的集成完成了一系列應(yīng)用軟件的開(kāi)發(fā)，直觀(guān)形象、易學(xué)易用。本書(shū)是AI3軟件的詳盡解讀，分為AI3普及版（自由拷貝，不限使用）、AI3智能教學(xué)版以及AI3專(zhuān)業(yè)版（適用于復(fù)雜過(guò)程工業(yè)系統(tǒng)AI應(yīng)用）。

本書(shū)系統(tǒng)闡述遷移學(xué)習(xí)的解決方法和典型應(yīng)用。首先，論述了遷移學(xué)習(xí)的基本概念、方法分類(lèi)及發(fā)展歷程，介紹了遷移學(xué)習(xí)的相關(guān)基礎(chǔ)知識(shí)。然后，探討了遷移學(xué)習(xí)的基本方法，包括基于樣本、基于特征、基于模型和基于關(guān)系的遷移學(xué)習(xí)方法，闡述了深度遷移學(xué)習(xí)的經(jīng)典方法，包括神經(jīng)網(wǎng)絡(luò)自適應(yīng)遷移方法和神經(jīng)網(wǎng)絡(luò)對(duì)抗遷移方法，介紹了更加實(shí)用的部分域適應(yīng)

本書(shū)以漫畫(huà)形式講解機(jī)器學(xué)習(xí)的基本概念和關(guān)鍵知識(shí)點(diǎn)，盡可能通俗易懂地講解回歸、分類(lèi)、結(jié)果評(píng)價(jià)、深度學(xué)習(xí)、集成學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)等的原理。本書(shū)內(nèi)容基于大學(xué)一年級(jí)的數(shù)學(xué)知識(shí)，著眼于主人公們學(xué)習(xí)和工作中遇到的問(wèn)題，探究機(jī)器學(xué)習(xí)解決方案。

生成對(duì)抗神經(jīng)網(wǎng)絡(luò)（GenerativeAdversarialNets，GAN）作為一種深度學(xué)習(xí)框架，發(fā)展十分迅猛。通過(guò)相互對(duì)抗的神經(jīng)網(wǎng)絡(luò)模型，GAN能夠生成結(jié)構(gòu)復(fù)雜且十分逼真的高維度數(shù)據(jù)。因此，被廣泛應(yīng)用于學(xué)術(shù)研究和工程領(lǐng)域，包括圖像處理，如圖像生成、圖像轉(zhuǎn)換、視頻合成；序列數(shù)據(jù)生成，如語(yǔ)音生成、音樂(lè)生成等；以及其他眾

本書(shū)主要講述人工智能的基礎(chǔ)知識(shí)與基礎(chǔ)理論，并通過(guò)大量的人工智能應(yīng)用幫助讀者快速了解人工智能相關(guān)技術(shù)。本書(shū)共10章，分別為人工智能概述、人工智能基礎(chǔ)知識(shí)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、知識(shí)圖譜、人工智能技術(shù)應(yīng)用場(chǎng)景、智能機(jī)器人和人工智能的挑戰(zhàn)與未來(lái)。本書(shū)內(nèi)容豐富，講解細(xì)致，注重技術(shù)發(fā)展變化。 本書(shū)既可作為

本書(shū)主要根據(jù)作者近年來(lái)的研究成果，對(duì)網(wǎng)絡(luò)嵌入表示學(xué)習(xí)技術(shù)進(jìn)行梳理和總結(jié)，全書(shū)深入淺出地介紹了表示學(xué)習(xí)的基礎(chǔ)理論，及其在網(wǎng)絡(luò)對(duì)齊、地點(diǎn)推薦、電子健康記錄挖掘等應(yīng)用方面的前沿技術(shù)。具體包括：?jiǎn)?多關(guān)系網(wǎng)絡(luò)表示理論與技術(shù)、基于單關(guān)系網(wǎng)絡(luò)表示的社交網(wǎng)絡(luò)對(duì)齊、基于多關(guān)系網(wǎng)絡(luò)表示學(xué)習(xí)的知識(shí)圖譜對(duì)齊、基于網(wǎng)絡(luò)表示的電子健康記錄挖掘、

本書(shū)由全球知名的3位專(zhuān)家IanGoodfellow、YoshuaBengio和AaronCourville撰寫(xiě)，是深度學(xué)習(xí)領(lǐng)域奠基性的經(jīng)典教材。全書(shū)的內(nèi)容包括3個(gè)部分：第1部分介紹基本的數(shù)學(xué)工具和機(jī)器學(xué)習(xí)的概念，它們是深度學(xué)習(xí)的預(yù)備知識(shí)；第2部分系統(tǒng)深入地講解現(xiàn)今已成熟的深度學(xué)習(xí)方法和技術(shù)；第3部分討論某些具有前瞻性的

本書(shū)涵蓋人工智能概述、Python編程基礎(chǔ)、TensorFlow機(jī)器學(xué)習(xí)框架、機(jī)器學(xué)習(xí)算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)、TensorFlow高級(jí)框架、OpenCV開(kāi)發(fā)與應(yīng)用等基礎(chǔ)知識(shí)，并介紹且搭建了計(jì)算機(jī)視覺(jué)中的手寫(xiě)數(shù)字識(shí)別與人臉識(shí)別、自然語(yǔ)言處理中的語(yǔ)音識(shí)別與智能聊天機(jī)器人具體項(xiàng)目，還介紹并實(shí)踐了AI開(kāi)放平臺(tái)的接入與

本書(shū)是高等院校非自動(dòng)化類(lèi)、工科或農(nóng)科相關(guān)專(zhuān)業(yè)的專(zhuān)業(yè)基礎(chǔ)課教材。共分七章，主要介紹了自動(dòng)控制系統(tǒng)的基本概念，控制系統(tǒng)在時(shí)域和復(fù)頻域中的數(shù)學(xué)模型及其動(dòng)態(tài)結(jié)構(gòu)圖的建立與化簡(jiǎn)的過(guò)程和方法；闡述了線(xiàn)性定�？刂葡到y(tǒng)的時(shí)域分析法、根軌跡分析法和頻域分析法以及控制系統(tǒng)設(shè)計(jì)和校正的基本方法；給出了非線(xiàn)性控制系統(tǒng)中常見(jiàn)的非線(xiàn)性特性對(duì)系統(tǒng)性

本書(shū)以數(shù)據(jù)驅(qū)動(dòng)的數(shù)學(xué)問(wèn)題研究為核心，是一部由研究工作構(gòu)成的原創(chuàng)著作。全書(shū)共分7章，按三個(gè)模塊劃分：第一個(gè)模塊是研究背景和框架介紹，即第1章緒論，這是本書(shū)主題內(nèi)容的一個(gè)導(dǎo)論；第二個(gè)模塊是粒度空間的基礎(chǔ)理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結(jié)構(gòu)聚類(lèi)特征與融合，以及聚類(lèi)結(jié)構(gòu)分析理論等研究；第三個(gè)模塊是粒度

本書(shū)以TensorFlow2深度學(xué)習(xí)的常用技術(shù)與真實(shí)案例相結(jié)合的方式,深入淺出介紹TensorFlow2深度學(xué)習(xí)的重要內(nèi)容。全書(shū)共7章,內(nèi)容包括深度學(xué)習(xí)入門(mén)、TensorFlow2快速入門(mén)、深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)、基于CNN的門(mén)牌號(hào)識(shí)別、基于LSTM的語(yǔ)音識(shí)別、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換等技術(shù),以及如何使用Ti

本書(shū)分八章，內(nèi)容包括：深度學(xué)習(xí)簡(jiǎn)介、搭建深度學(xué)習(xí)開(kāi)發(fā)環(huán)境、數(shù)字圖像處理技術(shù)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)、圖像合成等。