本書目的是從作者最近出版的《強化學(xué)習(xí)預(yù)**控制》教科書中更深入地發(fā)展一些方法。特別是，提出了有關(guān)涉及多個代理，分區(qū)架構(gòu)和分布式異步計算的系統(tǒng)的新研究。本書還將詳細討論該方法在挑戰(zhàn)離散/組合優(yōu)化問題（例如路由，調(diào)度，分配和混合整數(shù)編程）中的應(yīng)用，包括在這些情況下使用神經(jīng)網(wǎng)絡(luò)近似。本書可作為計算機科學(xué)與技術(shù)、控制科學(xué)與技術(shù)

共融機器人是能夠與作業(yè)環(huán)境、人和其他機器人自然交互、自主適應(yīng)復(fù)雜動態(tài)環(huán)境并協(xié)同作業(yè)的機器人�！懊翡J體貼型”的自然交互是共融服務(wù)機器人的研究熱點問題之一。當(dāng)前迫切需要機器人與人具有交互對話意圖的理解能力。本書立足基于深度學(xué)習(xí)方法的人機理解領(lǐng)域，從人機對話意圖理解出發(fā)，系統(tǒng)介紹了人機對話中的意圖識別、未知意圖檢測和新意圖發(fā)

本書將基礎(chǔ)理論和案例實戰(zhàn)相結(jié)合，循序漸進地介紹了關(guān)于機器學(xué)習(xí)領(lǐng)域中的經(jīng)典和流行算法，全面、系統(tǒng)地介紹了使用Python實現(xiàn)機器學(xué)習(xí)算法，并通過PyTorch框架實現(xiàn)機器學(xué)習(xí)算法中的深度學(xué)習(xí)內(nèi)容。第一部分為基礎(chǔ)篇，包括第1~8章，系統(tǒng)地介紹了機器學(xué)習(xí)基礎(chǔ)、數(shù)據(jù)預(yù)處理、簡單分類算法、決策樹、支持向量機、回歸分析、聚類分析、

書擬根據(jù)“厘清內(nèi)涵、促進交叉、賦能應(yīng)用”來研究討論通專融合的人工智能交叉課程體系。厘清內(nèi)涵指確立專業(yè)培養(yǎng)定位和專業(yè)培養(yǎng)方向，重視數(shù)學(xué)與統(tǒng)計知識（如概率論、微積分、線性代數(shù)、優(yōu)化求解和矩陣變換等）、計算機編程和系統(tǒng)能力（如程序設(shè)計、算法分析和系統(tǒng)等）以及人工智能基礎(chǔ)知識（如邏輯推理、機器學(xué)習(xí)、強化學(xué)習(xí)、控制與博弈決策等）

本書是一本介紹深度學(xué)習(xí)的實踐教材,采用的深度學(xué)習(xí)工具為TensorFlow。本書主要內(nèi)容包括深度學(xué)習(xí)環(huán)境搭建，數(shù)據(jù)處理與模型加載，圖像處理，圖像增強識別實戰(zhàn)和兩階段目標(biāo)檢測實戰(zhàn)，單階段目標(biāo)檢測，實戰(zhàn)文本識別和圖像生成，機器創(chuàng)作，情感分類、翻譯、對話，GAN及其變體的創(chuàng)作，強化學(xué)習(xí)與遷移學(xué)習(xí)等。降低了深度學(xué)習(xí)的門檻。本書

本書系統(tǒng)性地介紹了資產(chǎn)定價和機器學(xué)習(xí)算法的基礎(chǔ)理論與實踐知識，并以機器學(xué)習(xí)算法應(yīng)用于中國股票市場資產(chǎn)收益率預(yù)測項目為案例，具體展示了機器學(xué)習(xí)算法落地應(yīng)用于中國金融業(yè)界的流程和效果。本書主要內(nèi)容包括資產(chǎn)定價基礎(chǔ)方法、機器學(xué)習(xí)算法評估知識、線性機器學(xué)習(xí)模型、回歸樹類機器學(xué)習(xí)模型、神經(jīng)網(wǎng)絡(luò)模型、中國股票市場制度背景、機器學(xué)習(xí)

本書是一本系統(tǒng)介紹深度學(xué)習(xí)技術(shù)及開源框架PyTorch的入門書。書中通過大量案例介紹了PyTorch的使用方法、神經(jīng)網(wǎng)絡(luò)的搭建、常用神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)）的實現(xiàn)，以及實用的深度學(xué)習(xí)技術(shù)，包括遷移學(xué)習(xí)、對抗生成學(xué)習(xí)、深度強化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等。讀者通過閱讀本書，可以學(xué)會構(gòu)造一個圖像識別器，生成逼真的圖畫

本書全面介紹可解釋人工智能的基礎(chǔ)知識、理論方法和行業(yè)應(yīng)用。全書分為三部分，共11章。第一部分為第1章，揭示基于數(shù)據(jù)驅(qū)動的人工智能系統(tǒng)決策機制，提出一種基于人機溝通交互場景的可解釋人工智能范式。第二部分為第2～5章，介紹各種可解釋人工智能技術(shù)方法，包括貝葉斯方法、基于因果啟發(fā)的穩(wěn)定學(xué)習(xí)和反事實推理、基于與或圖模型的人機協(xié)

本書是關(guān)于神經(jīng)網(wǎng)絡(luò)的經(jīng)典教材，完整、詳細地討論了各個主題，且包含了相關(guān)的計算機實驗。全書共15章，主要內(nèi)容包括神經(jīng)網(wǎng)絡(luò)的定義、Rosenblatt感知器、回歸建模、最小均方算法、多層感知器、核方法和徑向基函數(shù)網(wǎng)絡(luò)、支持向量機、正則化理論、主成分分析、自組織映射、信息論學(xué)習(xí)模型、源于統(tǒng)計力學(xué)的隨機方法、動態(tài)規(guī)劃、神經(jīng)動力

本書就區(qū)塊鏈和人工智能這兩項新興技術(shù)對整個大會計行業(yè)的泛在影響，刻畫了多個相關(guān)領(lǐng)域的應(yīng)用前沿，包括財務(wù)服務(wù)、會計、審計、控制、稅收、銀行間結(jié)算、證券投資、創(chuàng)業(yè)管理、文書管理、數(shù)據(jù)管理、戰(zhàn)略、監(jiān)管、咨詢、專業(yè)教育等領(lǐng)域的新動態(tài)以及技術(shù)變革對未來發(fā)展的意義。本書分為兩篇。第壹篇為寫給從業(yè)者的定義、概述和信息，包括：前言和引