本書以程序員所熟悉的代碼方式帶領(lǐng)程序員們進(jìn)入深度學(xué)習(xí)的世界。所有的理論都有對應(yīng)的可運行的代碼進(jìn)行說明。程序員可以通過修改和調(diào)試代碼在熟悉的世界里完成向深度學(xué)習(xí)的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學(xué)習(xí)框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術(shù)形勢。同時還介

本書包括《探索與爭鳴》雜志自2017年第10期至2018年第7期已發(fā)表的與人工智能相關(guān)文章共26篇，內(nèi)容包括從人工智能本質(zhì)看未來的發(fā)展、控制的危機(jī)與人工智能的未來情境、人工智能與未來社會：三個反思、人工智能技術(shù)下對真理和生命的可解釋性、人工智能對認(rèn)知、思維和行為方式的改變、人工智能：威脅人類文明的科技之火、科技創(chuàng)造必須

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

本書旨在討論人工智能領(lǐng)域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領(lǐng)域取得的一系列研究進(jìn)展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術(shù)，比如意識上傳、飛米技術(shù)等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術(shù)落地，在生物學(xué)領(lǐng)域進(jìn)

本書是一本針對高校學(xué)生的絕佳TensorFlow學(xué)習(xí)教材。作者結(jié)合眾多高質(zhì)量的代碼，生動講解了TensorFlow的底層原理，并從實際應(yīng)用問題入手，從實踐的角度出發(fā)，通過具體的TensorFlow案例程序介紹常見的模型和應(yīng)用解決辦法。同時，在教材中還介紹了模型部署和編程過程中所用到的諸多開發(fā)技巧。是學(xué)習(xí)和掌握人工智能這

本書涵蓋了經(jīng)典控制、現(xiàn)代控制和非線性控制理論的基本內(nèi)容。從控制理論的基礎(chǔ)知識入手，較深入地介紹了控制系統(tǒng)的傳遞函數(shù)、方框圖、信號流圖以及狀態(tài)空間模型；詳細(xì)闡述了用于控制系統(tǒng)穩(wěn)定性、瞬態(tài)性能、穩(wěn)態(tài)性能分析時域法、根軌跡法、頻域法和狀態(tài)空間法，以及相應(yīng)的系統(tǒng)設(shè)計方法；討論了離散控制系統(tǒng)的模型、性能分析和校正方法；并對非線性

本教材共分為六個章節(jié)，分別為：*章自動控制系統(tǒng)概述、第二章控制系統(tǒng)的數(shù)學(xué)模型、第三章控制系統(tǒng)的時域分析、第四章根軌跡法、第五章線性系統(tǒng)的頻域分析法、第六章線性系統(tǒng)的頻域分析法。

本書為普通高等教育“十一五”國家級規(guī)劃教材，第一版于2005年被評為北京市精品教材。本書是為非自動化類、工科高年級學(xué)生編寫的教材，簡練地論述了連續(xù)控制系統(tǒng)的分析和綜合研究方法，包括系統(tǒng)數(shù)學(xué)模型的建立和動態(tài)結(jié)構(gòu)圖等效變換法則，利用經(jīng)典控制理論的時域分析法、復(fù)域分析法、頻域分析法對控制系統(tǒng)進(jìn)行分析，應(yīng)用串聯(lián)校正、反饋校正和

本書共4章。第1章介紹了人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)的基本概念。第2章以Q學(xué)習(xí)為例，重點介紹了強(qiáng)化學(xué)習(xí)的原理、算法步驟、代碼實現(xiàn)、代碼運行調(diào)試。第3章先對深度學(xué)習(xí)的幾種常見的類型和原理進(jìn)行介紹，然后給出了例程和調(diào)試方法。第4章以Q學(xué)習(xí)中運用神經(jīng)網(wǎng)絡(luò)為例，介紹了深度強(qiáng)化學(xué)習(xí)的基本原理和方法，同時也給出了例程和調(diào)