馬氏跳變系統(tǒng)是一類經(jīng)典的*系統(tǒng)，對其的控制器設(shè)計(jì)和閉環(huán)系統(tǒng)穩(wěn)定性的分析已有很長歷史。本書旨在研究若干類不同馬氏跳變系統(tǒng)的設(shè)計(jì)及穩(wěn)定性分析，其中包含了若干不同的穩(wěn)定性定義，以及馬氏跳變系統(tǒng)的若干不同應(yīng)用領(lǐng)域。

本書系統(tǒng)總結(jié)了集對分析在人工智能理論和技術(shù)研究的階段性成果，共12章。第1、2章為集對分析基本概念、基本理論和**進(jìn)展的介紹，第3章是人工智能基礎(chǔ)和前沿集對分析，第4～12章依次介紹集對分析在模式識別、不確定性推理、智能決策、知識生態(tài)學(xué)、自然語言和人類語言理解、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、智能工程和智能社會中的應(yīng)用。本書內(nèi)容豐

作為《自動控制原理》(孫優(yōu)賢主編，書號978-7-122-11607-9)的配套學(xué)習(xí)輔導(dǎo)，本書緊緊圍繞自動控制原理的知識點(diǎn)進(jìn)行編寫，內(nèi)容與體例均方便讀者自學(xué)。全書由9章正文與附錄組成。正文的9章與配套教材完全一致，分別為：概述、連續(xù)時(shí)間控制系統(tǒng)的數(shù)學(xué)模型、線性系統(tǒng)的時(shí)域分析法、連續(xù)時(shí)間控制系統(tǒng)的穩(wěn)定性與穩(wěn)態(tài)誤差、根軌跡

內(nèi)容簡介 面對科技的迅猛發(fā)展，我國政府制定了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升到國家戰(zhàn)略層面，并提出：人工智能產(chǎn)業(yè)要成為新的重要經(jīng)濟(jì)增長點(diǎn)，而且要在2030年成為世界主要人工智能創(chuàng)新中心，為躋身創(chuàng)新型國家前列和經(jīng)濟(jì)強(qiáng)國奠定重要基礎(chǔ)。 《人工智能》一書由騰訊一流團(tuán)隊(duì)與工信部高端智庫傾

TensorFlow是近年來影響較大的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)平臺，《零起點(diǎn)TensorFlow快速入門》以生動活潑的語言，從入門者的角度，對TensorFlow進(jìn)行介紹，書中包含大量簡單風(fēng)趣的實(shí)際案例，如孤獨(dú)的神經(jīng)元、梵高畫風(fēng)等，讓廣大初學(xué)者快速掌握神經(jīng)網(wǎng)絡(luò)的基本編程，為進(jìn)一步學(xué)習(xí)人工智能奠定扎實(shí)的基礎(chǔ)。

深度學(xué)習(xí)如今已經(jīng)成為了科技領(lǐng)域*炙手可熱的技術(shù)，在本書中，我們將幫助你入門深度學(xué)習(xí)的領(lǐng)域。本書將從人工智能的介紹入手，了解機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)理論，并學(xué)習(xí)如何用PyTorch框架對模型進(jìn)行搭建。通過閱讀本書，你將會學(xué)習(xí)到機(jī)器學(xué)習(xí)中的線性回歸和logistic回歸，深度學(xué)習(xí)的優(yōu)化方法，多層全連接神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)

本書是國家自然科學(xué)基金資助的課題，圍繞人機(jī)對話的過程展開敘述，主要的研究內(nèi)容包括：人機(jī)對話的基本概述，人機(jī)對話的語音處理技術(shù)，對話系統(tǒng)中的的自然語言理解技術(shù)，對話系統(tǒng)中的信息處理，對話系統(tǒng)中的語言生成技術(shù)，對話管理系統(tǒng)。最后，根據(jù)本書敘述的模型和技術(shù)方法，提供部分開源的源代碼。

正在到來的第四次工業(yè)革命，是繼機(jī)械化、電氣化及信息化之后的一次大規(guī)模的智能化浪潮，將對人類生產(chǎn)、生活方式產(chǎn)生革命性的影響。本書以時(shí)間為主線，采用歷史案例未來趨勢解讀的形式，全面介紹第四次工業(yè)革命涉及的各個(gè)技術(shù)領(lǐng)域發(fā)展趨勢，包括時(shí)下*熱門的人工智能、無人駕駛、VR/AR、工業(yè)4.0、共享經(jīng)濟(jì)等；深入講解人類科技發(fā)展歷史的

本書討論了正在如火如荼進(jìn)行著的人工智能革命對人類工作方式和工作觀念的巨大影響。作者認(rèn)為不同于以往的歷次失業(yè)浪潮，這次人工智能造成的技術(shù)性失業(yè)對人類文化和文明進(jìn)程的影響將是深刻的，甚至是顛覆性的。同時(shí)，作者也探討了機(jī)器紅利對人口紅利的替代作用，并指出盡管如此，人仍然還是有人的用處，人類將與機(jī)器共存共榮，創(chuàng)造一種全新的經(jīng)濟(jì)

大數(shù)據(jù)時(shí)代的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)的作用日漸重要，受到了廣泛的關(guān)注。本書立足于工程應(yīng)用，將免疫智能計(jì)算方法引入機(jī)器學(xué)習(xí)領(lǐng)域，致力于研究基于生物免疫原理的機(jī)器學(xué)習(xí)軟計(jì)算方法，以免疫計(jì)算智能的基本原理為線索，對其研究狀況加以系統(tǒng)性的論述，從理論、算法構(gòu)建及工程應(yīng)用等方面對免疫機(jī)器學(xué)習(xí)進(jìn)行介紹和分析。針對關(guān)聯(lián)規(guī)則挖掘、數(shù)據(jù)分

機(jī)器學(xué)習(xí)需要一條脫離過高理論門檻的入門之路。本書《機(jī)器學(xué)習(xí)篇》從小紅帽采蘑菇的故事開篇，介紹了基礎(chǔ)的機(jī)器學(xué)習(xí)分類模型的訓(xùn)練（第1章）。如何評估、調(diào)試模型？如何合理地發(fā)掘事物的特征？如何利用幾個(gè)模型共同發(fā)揮作用？后續(xù)章節(jié)一步一步講述了如何優(yōu)化模型，更好地完成分類預(yù)測任務(wù)（第2章），并且初步嘗試將這些技術(shù)運(yùn)用到金融股票交易

本書內(nèi)容包括：知識重構(gòu)與抽象模型框架及其擴(kuò)展概述；業(yè)務(wù)流程模型與抽象相關(guān)概念；KRA模型框架的智能世界擴(kuò)展；業(yè)務(wù)流程的一般抽象模型框架；基于聚類技術(shù)的業(yè)務(wù)流程模型抽象。

本書主要介紹是指廣義變結(jié)構(gòu)控制的基本理論與控制器的設(shè)計(jì)方法。主要內(nèi)容包括時(shí)滯廣義系統(tǒng)和變結(jié)構(gòu)控制的基本理論、軟變結(jié)構(gòu)控制法、切換監(jiān)督控制法等。

本書以一位軟件工程師的轉(zhuǎn)型故事為線索，講述算法思維的建立及實(shí)踐。第1章主要講解如何從傳統(tǒng)的工程思維轉(zhuǎn)入算法思維，第2-5章分別闡述文本處理、視覺識別、Bot機(jī)器人、強(qiáng)化學(xué)習(xí)方向的算法實(shí)踐，第6章案例闡述預(yù)測與推薦的應(yīng)用。

《徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)及協(xié)同進(jìn)化學(xué)習(xí)》系統(tǒng)地介紹利用協(xié)同進(jìn)化理論優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基本理論與方法，共分為7個(gè)章節(jié)。**，提出基于合作型協(xié)同進(jìn)化的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，引入聚類層并以聚類后的隱節(jié)點(diǎn)群作為子種群進(jìn)行協(xié)同進(jìn)化操作。第二，提出基于協(xié)同覆蓋的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，并采用啟發(fā)式搜索改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)。第三，提

科學(xué)計(jì)算可視化（ScientificVisualization，SciVis）是計(jì)算機(jī)圖形學(xué)的一個(gè)重要研究方向，是圖形科學(xué)的新領(lǐng)域。隨著計(jì)算能力的不斷增強(qiáng)，科學(xué)數(shù)據(jù)中使用的物理模型以及模擬空間的大小都在不斷提高。本書嘗試性地將機(jī)器學(xué)習(xí)理論應(yīng)用于科學(xué)計(jì)算可視化中，大大提高了數(shù)據(jù)中特征識別的魯棒性和準(zhǔn)確率，同時(shí)結(jié)合流場數(shù)據(jù)

本書內(nèi)容包括：一類四次指數(shù)多項(xiàng)式的零點(diǎn)分布；無自反饋的具時(shí)滯的四維神經(jīng)網(wǎng)絡(luò)模型的Hopf分支；無自反饋的具時(shí)滯的四維神經(jīng)網(wǎng)絡(luò)模型的Pitchfork分支等。

本書探討了一般微分泛函雙時(shí)滯方程的Lyapunov穩(wěn)定性基本理論，借助微分差分雙時(shí)滯方程描述的標(biāo)稱系統(tǒng)的基本解及其解的表達(dá)式獲得保證系統(tǒng)穩(wěn)定的充分必要的Lyapunov-Krasovskii泛函的表達(dá)式，將其泛函推廣應(yīng)用于時(shí)變不確定系統(tǒng)，運(yùn)用離散化LKF方法及網(wǎng)格分割新技術(shù)，研究了單時(shí)滯、多時(shí)滯及分布時(shí)滯雙方程的穩(wěn)定性

本書內(nèi)容包括系統(tǒng)的數(shù)學(xué)模型、時(shí)域分析、根軌跡、頻域特性法、典型非線性環(huán)節(jié)、計(jì)算機(jī)控制系統(tǒng)、現(xiàn)代控制理論。最后按照全書內(nèi)容逐章介紹MATLAB的應(yīng)用，包括系統(tǒng)分析、設(shè)計(jì)和仿真框圖等。

本書基于多重共現(xiàn)的知識發(fā)現(xiàn)方法的研究致力于將三個(gè)或三個(gè)以上特征項(xiàng)共現(xiàn)的現(xiàn)象作為研究主體，在總結(jié)現(xiàn)有的共現(xiàn)研究方法、數(shù)據(jù)挖掘技術(shù)、可視化技術(shù)、知識發(fā)現(xiàn)方法的基礎(chǔ)上，拓展共現(xiàn)現(xiàn)象的研究范圍。本書界定了多重共現(xiàn)的概念，構(gòu)建了一套多重共現(xiàn)的基礎(chǔ)理論體系，研究了可用于多重共現(xiàn)的可視化方式，設(shè)計(jì)并開發(fā)了三重共現(xiàn)的可視化分析工具，并