群體智能優(yōu)化算法是模擬自然生物種群智能行為的優(yōu)化方法，具有良好的尋優(yōu)性能，因此群體智能算法在求解大規(guī)模復雜問題時，具有較高的效率。本書在群體智能的基礎上，針對智能優(yōu)化算法、聚類算法、復雜網絡和樸素貝葉斯分類進行理論研究和應用研究。
本書比較全面、系統(tǒng)地介紹了自動控制理論的基本內容和控制系統(tǒng)的分析、校正及綜合設計方法。內容主要包括自動控制的基本概念，系統(tǒng)數(shù)學模型的建立，用以對控制系統(tǒng)進行分析、校正的時域法、根軌跡法和頻域法，線性離散系統(tǒng)的分析與校正方法，分析非線性系統(tǒng)的相平面法和描述函數(shù)法，MATLAB在控制系統(tǒng)中的應用等內容，并配有適當?shù)牧曨}和部
本書是一本機器學習算法方面的理論+實踐讀物，主要包含機器學習基礎理論、回歸模型、分類模型、聚類模型、降維模型和深度學習模型六大部分。機器學習基礎理論部分包含第1、2章，主要介紹機器學習的理論基礎和工程實踐基礎。第3章是回歸模型部分，主要包括模型的建立、學習策略的確定和優(yōu)化算法的求解過程，最后結合三種常見的線性回歸模型實
這是一本場景式的機器學習實踐書，筆者努力做到“授人以漁，而非授人以魚”。理論方面從人工智能（AI）與機器學習（ML）的基本要素講起，逐步展開有監(jiān)督學習、無監(jiān)督學習、強化學習這三大類模型的應用場景與算法原理；實踐方面通過金融預測、醫(yī)療診斷概率模型、月球登陸器、圖像識別、寫詩機器人、中國象棋博弈等案例啟發(fā)讀者將機器學習應用
因子分解機模型因為能夠有效解決高維數(shù)據(jù)特征組合的稀疏問題且具有較高的預測準確度和計算效率，在廣告點擊率預測和推薦系統(tǒng)領域被廣泛研究和應用。本書對因子分解機模型及其相關模型的研究進展進行綜述，闡述該模型的靈活性和普適性，對模型中有待深入研究的難點、熱點及發(fā)展趨勢進行展望。結合研究成果，進一步對該模型進行擴展，并將此擴展后
本書內容涵蓋神經工程的各個方面，較為全面系統(tǒng)地介紹了這門交叉學科所涉及的重要內容。本書分上、下冊，共20章，重點介紹神經工程的應用以及研究方向，如腦-機接口、功能性電刺激、神經成像等的基本理論知識及應用。本書遵循從微觀到宏觀，從基礎到應用，再到未來展望的順序進行編排。全書的材料來源于各個領域**的書籍資料以及近年來神經
本書旨在介紹作者及其研究團隊在分布式優(yōu)化與學習理論方面的**研究成果。全書共7章，第1、2章為緒論和相關數(shù)學基礎；第3、4章為連續(xù)時間和基于采樣數(shù)據(jù)的分布式優(yōu)化算法；第5、6章分別為基于群體智能的分布式優(yōu)化算法和分布式機器學習算法；第7章為基于自適應神經網絡輸出反饋控制的分布式合作學習方案設計。本書主要關注從分布式技術
本書比較全面地闡述了自動控制的基本理論與應用。全書共十章，前八章著重介紹經典控制理論及應用，后兩章介紹現(xiàn)代控制理論中的線性系統(tǒng)理論和**控制理論�！禕R》本書再次精選了第六版中的主要內容，加強了對基本理論及其工程應用的闡述。書中深入淺出地介紹了自動控制的基本概念，控制系統(tǒng)在時域、頻域和復域中的數(shù)學模型及其結構圖和信號流
本書共八章，內容包括：人工智能的基本概念、神經網絡、卷積神經網絡、循環(huán)神經網絡、生成對抗網絡、TensorFlow、PyTorch、Keras等。
粒計算是一種模擬人類解決復雜問題的理論方法，是人工智能研究領域的一個重要分支。本書從覆蓋的角度基于粗糙集理論對粒計算理論方法進行系統(tǒng)的總結和歸納，具體內容包括：研究覆蓋近似空間中概念近似的各種方法，并給出這些近似方法的主要特點；研究基于覆蓋的知識表示的知識粒度層次關系，從定性比較和量化度量兩個方面進行分析；研究多粒度覆
粒子群優(yōu)化算法是一種新的模仿鳥類群體行為的智能優(yōu)化算法，是群體智能優(yōu)化算法的一個重要分支，已成為國際上仿生智能計算領域里的研究熱點和重點之一。本書共6章，分別論述了優(yōu)化問題和仿生智能計算、模仿鳥群覓食行為的粒子群優(yōu)化算法、形式多樣的粒子群優(yōu)化算法、無速度項的粒子群優(yōu)化算法、分布估計粒子群優(yōu)化算法和粒子群優(yōu)化算法的應用等
本書系統(tǒng)介紹具有不確定性的非線性單變量系統(tǒng)、非線性多變量系統(tǒng)、非線性多變量強耦合系統(tǒng)的自適應控制以及自適應解耦控制理論和方法。本書大部分內容取材于作者多年來在控制領域取得的研究成果。本書主要內容包括非線性單變量多模型神經網絡自適應控制、非線性多變量多模型神經網絡自適應控制、非線性多變量多模型神經網絡自適應閉環(huán)解耦控制、
多智能體系統(tǒng)的協(xié)調控制問題是現(xiàn)代控制領域的一個研究熱點，本書主要圍繞時延多智能體系統(tǒng)的包容控制問題，介紹了連續(xù)時間、離散時間、非線性、一般線性等模型的多智能體系統(tǒng)的包容控制協(xié)議設計、系統(tǒng)的穩(wěn)定性分析，給出了系統(tǒng)實現(xiàn)包容控制在網絡拓撲、控制參數(shù)、時間延遲等方面需要滿足的條件。另外，本書還研究了異質多智能體系統(tǒng)的協(xié)調控制和
《智能問答與深度學習》面向在校學生或計算機軟件從業(yè)人員，由淺入深地介紹了人工智能在文本任務中的應用�！吨悄軉柎鹋c深度學習》不但介紹了自然語言處理、深度學習和機器閱讀理解等基礎知識，還簡述了信息論、人工智能等的發(fā)展過程。
深度學習，特別是深度卷積神經網絡是人工智能的重要分支領域，卷積神經網絡技術也被廣泛應用于各種現(xiàn)實場景，在許多問題上都取得了超越人類智能的結果。本書作為該領域的入門書籍，在內容上涵蓋深度卷積神經網絡的基礎知識和實踐應用兩大方面。全書共14章，分為三個部分：第一部分為緒論；第二部分（第1～4章）介紹卷積神經網絡的基礎知識、
脈沖神經網絡應用精確定時的脈沖序列表示與處理信息，是新一代人工神經網絡計算模型。本書系統(tǒng)論述了脈沖神經網絡的基本理論、算法及應用。首先介紹了脈沖神經網絡的基礎知識，包括脈沖神經元的建模與分析、脈沖神經網絡的模擬策略、神經信息的編碼方法、脈沖序列的相似性度量方法等；其次討論了脈沖神經網絡的學習算法、進化發(fā)育方法以及文化學
本書是由人工智能一線從業(yè)專家根據(jù)自己日常工作的體會與經驗總結而成的，在對TensorFlow的基礎知識、環(huán)境搭建、神經網絡、常用技術的詳細講解當中穿插了自己實戰(zhàn)的經驗與教訓。更與眾不同的是，本書詳細地解析了使用TensorFlow進行深度學習領域中常用模型的搭建、調參和部署整個流程，以及數(shù)據(jù)集的使用方法，能夠幫助您快速
MXNet是亞馬遜（Amazon）的深度學習庫，以簡單、高效、容易使用而著稱。它擁有類似于Theano和TensorFlow的數(shù)據(jù)流圖，為多GPU裝置提供了良好的配置。本書以MXNet作為研究實踐平臺，實現(xiàn)量化投資交易。書中主要介紹了在MXNet環(huán)境下，利用深度學習常用算法，實現(xiàn)線性、MLP、CNN卷積、GoogLeN
回看歷史，技術革新周期通�？杀环譃槿齻�階段：技術先于產品、產品先于技術、運營先于產品。目前，人工智能周期正在由第一階段向第二階段過渡，這個時期不僅是技術為社會生活帶來巨大改變的時期，更是產品經理們盡情發(fā)揮創(chuàng)造力來影響這個世界的時期。實際上，成熟人工智能產品經理的缺乏，正是當下人工智能技術真正落地、改變人們生活的主要瓶頸
書單推薦 新書推薦
