本書是一本數(shù)據(jù)挖掘和機器學習領(lǐng)域入門階段的實驗教材，每章由知識要點和實驗兩個部分組成。知識要點部分給出了實驗內(nèi)容對應(yīng)的知識脈絡(luò)，以及對相關(guān)問題的理解和分析方法。實驗部分以Mahout工具包為實驗平臺，針對每章的知識點設(shè)計了幫助讀者理解和掌握的實驗，這些實驗同時也為讀者運用Mahout工具包針對各種數(shù)據(jù)挖掘和機器學習的實

本書共七篇21章，介紹了認知計算與物聯(lián)網(wǎng)、認知計算與機器學習、認知計算與大數(shù)據(jù)分析、認知云計算、認知計算與機器人技術(shù)、認知計算應(yīng)用和認知計算前沿專題等七個方面的內(nèi)容，全面研究了認知計算與當前各前沿研究領(lǐng)域的結(jié)合及應(yīng)用，全面概括了認知計算這一全新概念在當前科技領(lǐng)域研究的重要性。本書可以作為取代《物聯(lián)網(wǎng)導論》之類教材的全新

本書采用專題項目研究的形式組織學習內(nèi)容，按照任務(wù)描述、學習指引、引導問題、閱讀材料、任務(wù)實施、習題作業(yè)六個步驟開展學習活動，凸顯案例性、問題性、研究型、協(xié)作性、反思性和交互性。全書按照由簡到難的學習訓練原則，遞進式安排了職業(yè)教育教學改革熱點、專業(yè)教學法理論、專業(yè)教學法相關(guān)要素、專業(yè)教學法應(yīng)用、實踐環(huán)節(jié)教學法應(yīng)用共五個單

本書對近年來稀疏學習、分類與識別領(lǐng)域常見的理論及技術(shù)進行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實踐情況進行了展示和報告。

人工智能的成長，一方面有待認知神經(jīng)科學的突破和研究方法論的進步；另一方面需要切實應(yīng)用的反哺以發(fā)現(xiàn)問題繼而反思。本選題在簡要介紹人工智能的歷史與現(xiàn)狀、思維科學的基本思想與觀念的基礎(chǔ)上，強調(diào)知識工程、尤其是經(jīng)驗及其隱性知識在智能模擬中的獨特作用和重要意義，以書法創(chuàng)作的形象思維模擬和進入應(yīng)用的計算機輔助心電圖分析這兩種“心跡

本書對近年來認知計算和多目標優(yōu)化領(lǐng)域常見的理論及技術(shù)進行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實踐情況進行了展示和報告。

本書以多智能體系統(tǒng)協(xié)同群集運動控制為主線，首先介紹圖論和控制器設(shè)計所用到的基礎(chǔ)理論知識；其次，分別從拓撲結(jié)構(gòu)的邊保持和代數(shù)連通度兩個角度介紹了連通性保持條件下的協(xié)同群集運動控制協(xié)議設(shè)計方法。進而，從個體動態(tài)模型和拓撲結(jié)構(gòu)模型兩方面繼續(xù)深入，針對典型的輪式移動機器人非完整約束模型介紹了連通性保持條件下的協(xié)同控制策略，為簡

本書共12章：第1章介紹機器學習的基本概念和理論，并介紹用于機器學習的R軟件環(huán)境的準備；第2章介紹如何應(yīng)用R來管理數(shù)據(jù)，進行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；第3～9章介紹典型的機器學習算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預測、黑盒算法——神經(jīng)網(wǎng)絡(luò)和支持向量機、關(guān)聯(lián)分析、k均值聚類，并給出大量的實際

本書共12章：第1章介紹機器學習的基本概念和理論，并介紹用于機器學習的R軟件環(huán)境的準備；第2章介紹如何應(yīng)用R來管理數(shù)據(jù)，進行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；第3～9章介紹典型的機器學習算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預測、黑盒算法——神經(jīng)網(wǎng)絡(luò)和支持向量機、關(guān)聯(lián)分析、k均值聚類，并給出大量的實際

本書主要介拉氏變換、機械平移系統(tǒng)的動態(tài)特性分析、電氣系統(tǒng)的動態(tài)特性分析、控制系統(tǒng)基礎(chǔ)、控制系統(tǒng)的時域分析法、控制系統(tǒng)的頻域分析法、控制系統(tǒng)的穩(wěn)定性分析和控制系統(tǒng)的誤差分析與計算等內(nèi)容。