本书针对产业界在智能化过程中普遍面临的数据不足问题，详细地阐述了联邦学习如何帮助企业引入更多数据、提升机器学习模型效果。互联网数据一般分布在不同的位置，受隐私保护法规限制不能共享，形成了“数据孤岛”。联邦学习像“数据孤岛”之间的特殊桥梁，通过传输变换后的临时变量，既能实现模型效果提升，又能确保隐私信息的安全。本书介绍了

针对现有人工智能（AI）教材大多重视技术、淡化商业应用的问题，本教材力图“透过技术的坚硬外壳，探索AI的商业潜力和社会影响”。作为一本“面向商学院学生的人工智能教材”，本教材的主要内容有新一代人工智能基本技术原理、特点，人工智能技术的发展历史，新一代人工智能发展的驱动因素、特征和发展方向，人工智能应用层技术的特点、能力

深度学习作为人工智能领域的“排头兵”，将在未来的新一轮产业升级中起到至关重要的作用。本书以“理论＋实践”的形式帮助读者快速建立深度学习知识体系，不仅能在算法层面上理解各种神经网络模型，而且能借助功能强大且极易上手的Keras框架，熟练地搭建和训练模型，应用于解决实际问题。全书共12章，内容涵盖入门深度学习的绝大部分基础

近年来机器学习取得了长足的进步。深度学习系统使得一些以往不可能实现的智能应用成为现实，推动了图像识别和自然语言处理的巨大变革，也成功识别出了数据中的复杂模式。Keras深度学习库为使用R语言的数据科学家和开发者提供了处理深度学习任务的工具集。《R语言深度学习》基于强大的Keras库及其R语言接口介绍了深度学习。本书源于

全书共6章：第一章概论，第二章物理系统的数学模型，第三章时域分析法，第四章根轨迹法，第五章频率响应法，第六章线性系统频率法校正。每章除控制理论外，还介绍了相关内容的MATLAB在经典控制理论中的应用，并附有本章小结和习题。书后附有3个附录——附录一拉普拉斯变换、附录二部分分式展开法和附录三部分习题参考答案作为书中内容的

本书将人工智能的理论、实践和创新型相结合，实现了先进性与新颖性并举，内容涵盖了图像、语音、文本和□□等人工智能技术广泛应用的多个领域，涉及识别、分类、检测、预测、跟踪和三维重建等多类试验任务。内容与理论教学相呼应，注重趣味性，极具实操性。

机器学习虽然对改进产品性能和推进研究有很大的潜力，但无法对它们的预测做出解释，这是当前面临的一大障碍。《可解释机器学习：黑盒模型可解释性理解指南》书是一本关于使机器学习模型及其决策具有可解释性的书。本书探索了可解释性的概念，介绍了简单的、可解释的模型，例如决策树、决策规则和线性回归，重点介绍了解释黑盒模型的、与模型无关

本书主要阐述了单输入、单输出线性定常系统中自动控制的基本理论及其应用。全书共分为6章，主要内容包括：绪论，控制系统的数学模型，线性系统的时域分析法，线性系统的根轨迹分析法，线性系统的频域分析法，线性系统校正。全书内容深入浅出，注重实际应用，各章节都附有较丰富的典型例题及其详解。本书可作为应用型高等院校自动化、电气工程及

本书主要以人工智能的几种核心技术与发展应用为脉络，以深入浅出的方式系统、清晰地介绍了人工智能的基本概念、发展历程、关键技术和典型应用。全书涉及图像识别、语音识别、大数据挖掘、智能控制、智能机器人、脑机接口、5G等前沿技术，为读者构造并描绘出一幅人工智能全景图，向读者展示了一个全新、智慧、前沿的科技新时代，使读者能快速、

这是一本写给普通人了解AI的趣味科普，它还有超级可爱的漫画！这本书“非常易读、有料，而且妙趣横生、令人捧腹”（《万物发明指南》作者瑞安·诺思），带领普通人走进人工智能那个奇妙古怪又不可思议的世界，是一场幽默可爱的导览。本书的主要内容是人工智能可以做什么、不能做什么，以及它为什么已经影响了我们生活的方方面面