本書全面系統(tǒng)地講解了深度學習相關(guān)的知識。全書共8章，內(nèi)容包括深度學習簡介及TensorFlow安裝，神經(jīng)網(wǎng)絡基礎、神經(jīng)網(wǎng)絡的TensorFlow實現(xiàn)、卷積神經(jīng)網(wǎng)絡基礎、經(jīng)典卷積神經(jīng)網(wǎng)絡（上）、經(jīng)典卷積神經(jīng)網(wǎng)絡（下）、深度學習用于文本序列和深度學習實驗項目等內(nèi)容。 本書以知識體系為基礎，以課堂案例為載體，采取理論與實踐相

本書從神經(jīng)網(wǎng)絡的基礎知識講起，逐步深入到Python進階實戰(zhàn)，通過對各種實用的第三方庫進行詳細講解與實戰(zhàn)運用，讓讀者不但能夠更加深入地了解神經(jīng)網(wǎng)絡，而且能夠簡單高效地搭建自己的神經(jīng)網(wǎng)絡，即使沒有專業(yè)背景知識也能輕松入門神經(jīng)網(wǎng)絡。 本書分為11章，涵蓋的主要內(nèi)容有神經(jīng)網(wǎng)絡概述，神經(jīng)網(wǎng)絡基礎知識，計算機程序的特點，神經(jīng)網(wǎng)絡

本書圍繞人工智能研究的發(fā)展以及由人工智能技術(shù)發(fā)展而引起的一系列問題展開討論。該書首先介紹了什么是人工智能，以及人工智能對社會產(chǎn)生的正面和負面影響，并對人工智能所涉及的倫理道德問題進行分析，最后探討了人工智能未來發(fā)展的可能性。全書配有大量彩色插圖與照片、術(shù)語表、指南、視頻資源鏈接、文本相關(guān)問題與報道觀點、詳盡的索引補充和

隨著機器學習算法的普及，開發(fā)和優(yōu)化這些算法的新工具也得到了發(fā)展。本書首先介紹了scikit-learn包，學習如何使用scikit-learn語法；學習監(jiān)督模型和無監(jiān)督模型之間的差異，以及為每個數(shù)據(jù)集選擇適當算法的重要性；學習將無監(jiān)督聚類算法應用到真實的數(shù)據(jù)集中，發(fā)現(xiàn)其中的規(guī)律，并在探索中解決無監(jiān)督機器學習問題。

本書主要內(nèi)容包括初識人工智能、識文解意、看圖辨物、聽音識意、觀影察行、前瞻人工智能。

本書以機器人作為載體，將人工智能的具體應用案例引入課程，分為基礎結(jié)構(gòu)篇和拓展硬件篇。其中基礎結(jié)構(gòu)篇主要介紹機器人的發(fā)展歷程及特點，并通過介紹生活中的常用工具來學習簡單的機械原理；拓展硬件篇主要介紹一款新的智能硬件，將新的智能硬件與機器人配合使用可開拓學生的創(chuàng)新思維，創(chuàng)作更多智能產(chǎn)品。本書圖文并茂，語言簡潔，易于理解，既

《基于知識工程的多學科設計優(yōu)化》的主要目標是通過基本概念的全面介紹，使讀者深刻理解構(gòu)成MDO技術(shù)基礎的優(yōu)化方法。第2～6章涵蓋了這部分內(nèi)容，熟悉優(yōu)化方法和優(yōu)化理論的讀者可略讀或有選擇地閱讀這些章節(jié)。該書通過3章內(nèi)容來介紹MDO的核心知識：第7章闡述了解決假設問題的靈敏度分析方法；第8章介紹了當下先進的MDO框架范例；第

本教材共9章，采用知識體系和案例體系兩種方式對人工智能技術(shù)及其應用進行闡述。第1章介紹了人工智能的概念，對人工智能的社會價值、應用領(lǐng)域以及未來發(fā)展進行展望。第2章介紹了人工智能技術(shù)知識與知識表示，列出其知識圖譜。第3章對機器學習進行概述，從發(fā)展、范圍、方法、工具以及挑戰(zhàn)等方面對人工智能的機器學習進行介紹。第4章介紹了人

人們幾乎天天使用常識推理，但用形式化的方式來表示卻非常困難。人工智能是研究解決某些通常被認為要用智能才能解決的問題的計算機技術(shù)，人工智能研究計算機刻畫主體如何獲得知識和處理知識的能力，人工智能邏輯就是用邏輯方法和成果研究主體如何處理知識的理論。本書分8章，從人工智能的角度來建立邏輯理論系統(tǒng)，系統(tǒng)全面地介紹了人工智能邏輯

本書系統(tǒng)地介紹了時滯分布參數(shù)神經(jīng)網(wǎng)絡中的重要問題，主要內(nèi)容包括時滯分布參數(shù)神經(jīng)網(wǎng)絡的穩(wěn)定性、周期解、魯棒性、無源性、自適應同步控制、自適應學習同步、采樣同步控制及反同步等問題。書中所給的分析方法包括代數(shù)不等式、線性矩陣不等式、隨機分析、自適應控制、采樣控制、學習控制方法等。書中的內(nèi)容來源于作者近幾年來的創(chuàng)新性研究成果，