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

本書(shū)比較全面系統(tǒng)地闡述了自動(dòng)控制原理的基本理論和應(yīng)用。全書(shū)分8章。第1章深入淺出地講述了自動(dòng)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(shí)域和復(fù)域中的數(shù)學(xué)模型及其結(jié)構(gòu)圖和信號(hào)流圖；第3~5章分別講述了線性連續(xù)控制系統(tǒng)的時(shí)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(jī)器學(xué)習(xí)中的基本算法》共八章.第1章和第2章簡(jiǎn)要介紹了機(jī)器學(xué)習(xí)的基本概念、研究?jī)?nèi)容、算法體系，以及相關(guān)的優(yōu)化理論與優(yōu)化算法.第3章和第4章詳細(xì)介紹了幾類作為分類器和回歸器的支持向量機(jī)算法，包括算法出發(fā)點(diǎn)、建模思想、理論推導(dǎo)和算法在數(shù)據(jù)分類、識(shí)別、擬合、預(yù)測(cè)等方面的應(yīng)用.第5章和第6章著重介紹了兩類常用的數(shù)據(jù)預(yù)處理方法

《機(jī)器學(xué)習(xí)與人工智能》涵蓋了與人工智能相關(guān)的機(jī)器學(xué)習(xí)核心方法，包括深度卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、蒙特卡羅樹(shù)搜索、強(qiáng)化學(xué)習(xí)。《機(jī)器學(xué)習(xí)與人工智能》也包括一些應(yīng)用非常廣泛的機(jī)器學(xué)習(xí)方法，例如，支持向量機(jī)、決策樹(shù)和隨機(jī)森林、隱馬爾可夫模型、聚類與自組織映射�！稒C(jī)器學(xué)習(xí)與人工智能》還包含一些重要的大數(shù)據(jù)分析方法

多標(biāo)記學(xué)習(xí)指一個(gè)樣本可能對(duì)應(yīng)多個(gè)語(yǔ)義標(biāo)記的學(xué)習(xí)框架，在文本分類、基因功能分類、圖像識(shí)別等領(lǐng)域廣泛存在。多標(biāo)記學(xué)習(xí)因其問(wèn)題的復(fù)雜性及廣泛的應(yīng)用背景，得到了越來(lái)越多的重視與研究。多標(biāo)記學(xué)習(xí)的研究主要圍繞降低特征空間或標(biāo)記空間的復(fù)雜性，提高多標(biāo)記學(xué)習(xí)算法的精度而展開(kāi)。本書(shū)主要介紹多標(biāo)記分類、多標(biāo)記特征降維、標(biāo)記關(guān)系分析及多標(biāo)

當(dāng)前，人工智能作為一項(xiàng)引領(lǐng)未來(lái)的顛覆性戰(zhàn)略技術(shù)，已在國(guó)家安全、國(guó)防軍事、社會(huì)治理、文化教育、醫(yī)療健康、家居娛樂(lè)等領(lǐng)域初露崢嶸，成為世界各國(guó)極其重視的核心競(jìng)爭(zhēng)力技術(shù)之一。本書(shū)主要研究人工智能新技術(shù)、新構(gòu)想、新應(yīng)用，面向未來(lái)，從人工智能發(fā)展歷程、機(jī)器學(xué)習(xí)、感知認(rèn)知、人機(jī)交互、機(jī)器人、腦科學(xué)、"智能+"未來(lái)應(yīng)用，以及人工智能

本書(shū)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(diǎn)闡述了多智能體系統(tǒng)一致性和復(fù)雜動(dòng)態(tài)網(wǎng)絡(luò)同步控制這兩個(gè)問(wèn)題,主要討論以下幾類問(wèn)題：多智能體系統(tǒng)的**-跟隨一致性問(wèn)題;時(shí)滯復(fù)雜網(wǎng)絡(luò)的同步問(wèn)題;Lurie型動(dòng)態(tài)網(wǎng)絡(luò)的簇同步問(wèn)題.

知識(shí)工程是創(chuàng)新方法的一種，是一個(gè)采用人工智能技術(shù)進(jìn)行文本理解閱讀，用知識(shí)圖譜進(jìn)行知識(shí)表達(dá)，并在知識(shí)圖譜上構(gòu)建的一個(gè)具有搜索、推薦、問(wèn)答、輿情監(jiān)測(cè)和社區(qū)服務(wù)功能的系統(tǒng)。本書(shū)概括了知識(shí)管理和知識(shí)工程的各種概念，描述了人工智能技術(shù)在知識(shí)挖掘中的應(yīng)用發(fā)展趨勢(shì)及實(shí)現(xiàn)知識(shí)工程的云架構(gòu)技術(shù)，列舉了知識(shí)工程在幾個(gè)典型行業(yè)的應(yīng)用實(shí)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(lǐng)域的十大算法的聚類算法。在實(shí)際系統(tǒng)中使用的聚類算法基本就是k-均值算法。《k-均值聚類》是第一部專門(mén)討論k-均值算法的著作，對(duì)k-均值算法的理論和方法、各類衍生算法、各種改進(jìn)方法進(jìn)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(wèn)題和發(fā)展歷史；第2章介紹k

全書(shū)介紹了人工智能芯片相關(guān)的基礎(chǔ)領(lǐng)域知識(shí)，分析了人工智能處理面臨的挑戰(zhàn)，由此引出全書(shū)的重點(diǎn)：人工智能芯片的架構(gòu)設(shè)計(jì)、數(shù)據(jù)復(fù)用、網(wǎng)絡(luò)映射、存儲(chǔ)優(yōu)化以及軟硬件協(xié)同設(shè)計(jì)技術(shù)等領(lǐng)域前沿技術(shù)，書(shū)中還討論了當(dāng)前研究成果，并輔以實(shí)驗(yàn)數(shù)據(jù)進(jìn)行比較分析，最后展望了人工智能芯片技術(shù)的發(fā)展方向。

智能的概念和內(nèi)容很多，其核心思想是模擬人或其他生物的神經(jīng)系統(tǒng)，實(shí)現(xiàn)各種運(yùn)算和操作過(guò)程，尤其是人的智能操作�！禕R》本書(shū)由四部分組成，第一部分是概論，討論智能計(jì)算的類型、特征、發(fā)展過(guò)程和應(yīng)用問(wèn)題，并介紹和其他學(xué)科的關(guān)系問(wèn)題。這些學(xué)科主要是生命科學(xué)、信息科學(xué)等。第二部分是算法篇，介紹智能計(jì)算中多種不同類型的算法，詳細(xì)介紹它

本書(shū)分四部分介紹深度學(xué)習(xí)算法模型及相關(guān)應(yīng)用實(shí)例。第一部分介紹在深度學(xué)習(xí)中必備的一些數(shù)學(xué)和機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。第二部分介紹卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度強(qiáng)化網(wǎng)絡(luò)等經(jīng)典模型，并對(duì)每種模型從原理、結(jié)構(gòu)、優(yōu)化等方面進(jìn)行論述。第三部分介紹深度學(xué)習(xí)中常用的優(yōu)化方法及訓(xùn)練技巧。第四部分結(jié)合實(shí)踐來(lái)介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)、模式識(shí)別中

本書(shū)的主要內(nèi)容包括控制系統(tǒng)的一般概念、連續(xù)時(shí)間線性和非線性系統(tǒng)輸入/輸出模型、連續(xù)時(shí)間系統(tǒng)的穩(wěn)定性分析、連續(xù)時(shí)間系統(tǒng)的性能分析、常規(guī)控制器的設(shè)計(jì)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(dòng)控制“從思路到代碼”的實(shí)現(xiàn)過(guò)程，書(shū)中還給出了針對(duì)他勵(lì)直流電機(jī)的基于MATLAB控制理論實(shí)踐部分。

本書(shū)重點(diǎn)介紹了經(jīng)典控制理論的基本概念和基本方法，全書(shū)共分為7章，主要包括緒論、控制系統(tǒng)的數(shù)學(xué)建模、時(shí)域響應(yīng)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(shí)域和頻域響應(yīng)分析方法以及系統(tǒng)校正方法。此外本書(shū)還結(jié)合MATLAB的控制系統(tǒng)仿真功能加入了一些仿真實(shí)例，

隨著人工智能技術(shù)在各行業(yè)的應(yīng)用蓬勃發(fā)展，其已滲透社會(huì)及人們?nèi)粘Ｉ�活的方方面面，且在圖像分類、目標(biāo)識(shí)別、自然語(yǔ)言處理等領(lǐng)域顯示了良好的效果和前景。但是，人工智能及其分支技術(shù)有一些特定的脆弱性，在某些場(chǎng)景下容易受到欺騙和攻擊，若不對(duì)此采取一定措施，就有可能造成嚴(yán)重的后果。本書(shū)通過(guò)介紹針對(duì)圖像分類的對(duì)抗技術(shù)，描述了深度神經(jīng)網(wǎng)

《系統(tǒng)生物學(xué)問(wèn)題的時(shí)滯動(dòng)力學(xué)分析》簡(jiǎn)要介紹時(shí)滯動(dòng)力學(xué)方法在系統(tǒng)生物學(xué)問(wèn)題中的應(yīng)用，側(cè)重于時(shí)滯在某些生物問(wèn)題中的重要作用。采用專題形式編排，包括四個(gè)具體熱點(diǎn)問(wèn)題（傳染病模型、基因調(diào)控、神經(jīng)網(wǎng)絡(luò)以及細(xì)胞應(yīng)對(duì)DNA損傷的調(diào)控機(jī)制）的研究背景及意義、動(dòng)力學(xué)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(diǎn)的穩(wěn)定性、Ho

《從統(tǒng)計(jì)世界走向人工智能——實(shí)戰(zhàn)案例與算法》敘述了從數(shù)學(xué)到統(tǒng)計(jì)、從統(tǒng)計(jì)到人工智能的發(fā)展，結(jié)合大量的實(shí)際商業(yè)應(yīng)用案例介紹了諸多經(jīng)典的機(jī)器學(xué)習(xí)算法，比如LASSO回歸、MCMC、決策樹(shù)、隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)等�！稄慕y(tǒng)計(jì)世界走向人工智能——實(shí)戰(zhàn)案例與算法》將案例與算法結(jié)合，基于人工智能的場(chǎng)景，從理論到實(shí)際操作層層遞進(jìn)，讀者從中

本書(shū)從區(qū)塊鏈的四個(gè)核心前沿技術(shù)--分布式賬本、加密技術(shù)、共識(shí)機(jī)制和智能合約技術(shù)入手，重點(diǎn)介紹公有鏈、聯(lián)盟鏈和私有鏈上的共識(shí)機(jī)制，描述其中使用的去中心化算法，包括PoW（工作量證明），PoS（權(quán)益證明），DPoS（股份授權(quán)證明），Ripple共識(shí)，PBFT（實(shí)用拜占庭容錯(cuò)）和PoV（投票證明）等，并具體分析了每個(gè)算

粒計(jì)算是目前人工智能領(lǐng)域內(nèi)廣為關(guān)注的研究課題，本書(shū)旨在為初學(xué)者提供學(xué)習(xí)粒計(jì)算理論與方法的基本指導(dǎo)。模糊集、粗糙集和概念格是粒計(jì)算的三種主要的方法，本書(shū)把這三種方法有機(jī)地結(jié)合成為一個(gè)粒計(jì)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(gè)崛起中的新興力量，人工智能不僅僅是一種技術(shù)，它的發(fā)展除了在科學(xué)和產(chǎn)業(yè)發(fā)展領(lǐng)域產(chǎn)生影響之外，還將對(duì)現(xiàn)行人類的社會(huì)規(guī)范、生活模式產(chǎn)生非常深遠(yuǎn)的影響。隨著第三次人工智能潮的到來(lái)，人們對(duì)人工智能及其未來(lái)的發(fā)展充滿強(qiáng)烈的興趣和諸多的疑問(wèn)——什么是人工智能？人工智能對(duì)人類生活會(huì)有哪些深遠(yuǎn)影響？我們又能通過(guò)人工智能實(shí)現(xiàn)什么樣