本書從計算思維的角度出發(fā)，以人工智能相關(guān)問題為引導(dǎo)，在解決實際案例問題的過程中植入知識點，為各專業(yè)的學(xué)生在今后設(shè)計、構(gòu)造和應(yīng)用各種計算系統(tǒng)，求解本學(xué)科的問題奠定基礎(chǔ)。全書內(nèi)容包括計算與計算思維、程序設(shè)計與算法、人工智能與智能計算、網(wǎng)絡(luò)與大數(shù)據(jù)這四大部分。本書適用于高等院校一年級新生的計算機導(dǎo)論等信息技術(shù)類基礎(chǔ)課程，可作

《二維重復(fù)控制》總結(jié)作者多年來的研究成果和體會，綜合重復(fù)控制領(lǐng)域的大量國內(nèi)外文獻資料，系統(tǒng)闡述二維重復(fù)控制的研究成果。主要內(nèi)容包括：重復(fù)控制原理、重復(fù)控制系統(tǒng)設(shè)計方法和二維重復(fù)控制基本思想，重復(fù)控制的二維特性和重復(fù)控制系統(tǒng)的二維混合模型，二維重復(fù)控制系統(tǒng)穩(wěn)定性分析，二維重復(fù)控制系統(tǒng)設(shè)計，二維重復(fù)控制系統(tǒng)魯棒性分析與設(shè)計

本書首先介紹深度學(xué)習(xí)方面的數(shù)學(xué)知識與Python基礎(chǔ)知識，線性模型中的線性回歸模型和logistic模型；然后講述正向傳播算法、反向傳播算法及深度神經(jīng)網(wǎng)絡(luò)的完整訓(xùn)練流程，輸出層的激活函數(shù)和隱藏層的常見激活函數(shù)，深度學(xué)習(xí)的過擬合和欠擬合，應(yīng)對過擬合的方法，以及使用TensorFlow2建立深度神經(jīng)網(wǎng)絡(luò)模型的步驟；接著介紹

雖然很多深度學(xué)習(xí)工具都使用Python，但PyTorch庫是真正具備Python風(fēng)格的。對于任何了解NumPy和scikit-learn等工具的人來說，上手PyTorch輕而易舉。PyTorch在不犧牲高級特性的情況下簡化了深度學(xué)習(xí)，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個人應(yīng)用擴展到企業(yè)級應(yīng)用。由于像蘋果、Face

本書聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的進展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來源于IEEE計算機協(xié)會相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由SteerTech和iCANXTalks上的國際知名科學(xué)家的學(xué)術(shù)報告、報道以及相關(guān)活動內(nèi)容組成。本書將以創(chuàng)新的方式宣

本書系統(tǒng)地闡述機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)知識，但并非大學(xué)數(shù)學(xué)教材的翻版，而是以機器學(xué)習(xí)算法為依據(jù)，選取數(shù)學(xué)知識，并從應(yīng)用的角度闡述各種數(shù)學(xué)定義、定理等，側(cè)重于講清楚它們的應(yīng)用和實現(xiàn)方法。所以，書中將使用開發(fā)者喜歡的編程語言（Python）來實現(xiàn)各種數(shù)學(xué)計算，并闡述數(shù)學(xué)知識在機器學(xué)習(xí)算法中的應(yīng)用體現(xiàn)。

本書結(jié)合了最新的深度學(xué)習(xí)技術(shù)應(yīng)用成果，充分考慮了大學(xué)生的知識結(jié)構(gòu)和學(xué)習(xí)特點，結(jié)合各個專業(yè)特點介紹了深度學(xué)習(xí)的基本概念及TensorFlow框架，以及深度學(xué)習(xí)在各個領(lǐng)域的具體應(yīng)用。本書為高職高專院校深度學(xué)習(xí)基礎(chǔ)課程教材重點介紹了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、TensorFlow環(huán)境使用、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)等內(nèi)容。

本書從強化學(xué)習(xí)的基礎(chǔ)知識出發(fā)，結(jié)合PyTorch深度學(xué)習(xí)框架，介紹深度強化學(xué)習(xí)算法各種模型的相關(guān)算法原理和基于PyTorch的代碼實現(xiàn)。作為一本介紹深度強化學(xué)習(xí)知識的相關(guān)圖書，本書介紹了常用的強化學(xué)習(xí)環(huán)境，基于價值網(wǎng)絡(luò)的強化學(xué)習(xí)算法和基于策略梯度的強化學(xué)習(xí)算法，以及一些常用的比較流行的深度強化學(xué)習(xí)算法（如蒙特卡洛樹搜索

強化學(xué)習(xí)作為機器學(xué)習(xí)及人工智能領(lǐng)域的一種重要方法，在游戲、自動駕駛、機器人路線規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書結(jié)合了李宏毅老師的“深度強化學(xué)習(xí)”、周博磊老師的“強化學(xué)習(xí)綱要”、李科澆老師的“世界冠軍帶你從零實踐強化學(xué)習(xí)”公開課的精華內(nèi)容，在理論嚴謹?shù)幕�礎(chǔ)上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、

本書第1章介紹聯(lián)邦學(xué)習(xí)的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機遇和挑戰(zhàn)。第2-5章介紹不同類型的機器學(xué)習(xí)方法在聯(lián)邦學(xué)習(xí)模式下的實現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學(xué)習(xí)開源框架FATE的架構(gòu)和部署，以及在金融控股集團內(nèi)大數(shù)據(jù)平臺上建立跨機構(gòu)統(tǒng)一數(shù)據(jù)科學(xué)平臺的實施方案。第7章從建模者的角度展示了典型建模流程的實戰(zhàn)過程。