《自動控制原理（第2版）》主要內(nèi)容包括控制系統(tǒng)的數(shù)學模型，線性系統(tǒng)的時域分析法、根軌跡法、頻域分析法、綜合與校正，非線性系統(tǒng)的分析，線性離散系統(tǒng)的分析。本書著重于基本概念、基本理論和基本分析方法，并附加學習資源，掃描書中的二維碼可隨時完成基本測試題練習并查看參考答案。本書在國家智慧教育公共服務平臺有配套在線課程，可供讀

本書的主體內(nèi)容包括機器學習概念與特征工程、機器學習技術(shù)、模型關(guān)系管理，其中，模型關(guān)系管理部分主要介紹了弱集成學習、強集成學習和混合專家模型。弱集成學習是指使用機器學習中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學習是指協(xié)同特征工程與強分類器形成強集成學習環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經(jīng)網(wǎng)絡集成和網(wǎng)絡結(jié)構(gòu)設計形成深

在人工智能發(fā)展的漫長歷程中，如何讓機器學會創(chuàng)作一直被視為難以逾越的天塹，創(chuàng)造力也因此被視為人類與機器最本質(zhì)的區(qū)別之一。然而，人類的創(chuàng)造力也終將賦予機器創(chuàng)造力，把世界送入智能創(chuàng)作的新時代。人工智能繪畫作品的奪冠、超級聊天機器人ChatGPT的出現(xiàn)，無疑拉開了智能創(chuàng)作時代的序幕。從機器學習到智能創(chuàng)造，從PGC、UGC到AI

本書以“行業(yè)應用案例”貫穿課程，每個單元以相關(guān)行業(yè)中的真實企業(yè)應用案例為基礎，涉及制造、交通、電商、財會、傳媒、金融、互聯(lián)網(wǎng)、文旅等多個傳統(tǒng)行業(yè)，在此過程中培養(yǎng)學生人工智能意識、人工智能技術(shù)應用等綜合職業(yè)能力。本書共含12個知識單元，系統(tǒng)講解了人工智能基礎知識及其應用，并通過人工智能技術(shù)在各專業(yè)場景下的應用案例，解答“

《人工智能基礎項目教程》采用項目教程的編排方式，實現(xiàn)了基于工作過程、項目教學的理念。本書共由8個項目組成：人工智能概論、人工智能數(shù)據(jù)預處理、云計算下的人工智能、人工智能基礎知識、人工智能技術(shù)在交通系統(tǒng)中的應用、人工智能編程入門、人工智能框架技術(shù)、人工智能的行業(yè)應用。本書內(nèi)容豐富，結(jié)構(gòu)清晰，通過具體的實例對人工智能的概念

2017年，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學開設人工智能相關(guān)課程，并提倡以計算思維為指導，將信息技術(shù)課程從技術(shù)導向轉(zhuǎn)換為科學導向。因此，機器學習作為人工智能技術(shù)的內(nèi)核，走入我國廣大中小學生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機器學習模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框

本書兼顧機器學習基礎、經(jīng)典方法和深度學習方法,對組成機器學習的基礎知識和基本算法進行了比較細致的介紹,對廣泛應用的經(jīng)典算法如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、決策樹和集成學習等算法都給出了深入的分析并討論了無監(jiān)督學習的基本方法,對深度學習和強化學習進行了全面的敘述,比較深入地討論了反向傳播算法、多層感知機、C

本書是人工智能專業(yè)最基礎最全面的高校教材，作者陸汝鈐院士系中國科學院數(shù)學與系統(tǒng)科學研究院數(shù)學研究所研究員。在知識工程和基于知識的軟件工程方面做了系統(tǒng)的、創(chuàng)造性的工作，是我國該領(lǐng)域研究的開拓者之一。倡導并主持完成了以軟件的機械化生成和移植為目標的系列軟件計劃（XR計劃），推動了當時國產(chǎn)機軟件缺乏問題的解決。本書首次把異構(gòu)

本書系國家自然科學基金重大研究計劃視聽覺信息的認知計算的出版成果。本書為《視聽覺信息的認知計算》的英文版。本書從人類的視聽覺認知與神經(jīng)機理出發(fā)，圍繞認知過程的表達與計算的基本科學問題，重點開展感知的基本特征、表達與整合感知數(shù)據(jù)的機器學習與理解多模態(tài)信息協(xié)同計算等三個核心科學問題的研究，發(fā)展和構(gòu)建新的計算模型與算法，為提

本書是《動手學深度學習》的重磅升級版本，選用經(jīng)典的PyTorch深度學習框架，旨在向讀者交付更為便捷的有關(guān)深度學習的交互式學習體驗。本書重新修訂《動手學深度學習》的所有內(nèi)容，并針對技術(shù)的發(fā)展，新增注意力機制、預訓練等內(nèi)容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，并由線性模型引出最簡單的神經(jīng)網(wǎng)絡多層感知