深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学

本书旨在讨论人工智能领域未来的发展方向，即通用人工智能和奇点现象。本书涵盖了奇点理论提出以来该领域取得的一系列研究进展，剖析了实现通用人工智能所面临的问题并分析了各种实现途径。作者不仅展开了天马行空的想象，思考未来技术，比如意识上传、飞米技术等如何为通用人工智能提供可行性，还将现有的通用人工智能技术落地，在生物学领域进

本书是一本针对高校学生的绝佳TensorFlow学习教材。作者结合众多高质量的代码，生动讲解了TensorFlow的底层原理，并从实际应用问题入手，从实践的角度出发，通过具体的TensorFlow案例程序介绍常见的模型和应用解决办法。同时，在教材中还介绍了模型部署和编程过程中所用到的诸多开发技巧。是学习和掌握人工智能这

本书涵盖了经典控制、现代控制和非线性控制理论的基本内容。从控制理论的基础知识入手，较深入地介绍了控制系统的传递函数、方框图、信号流图以及状态空间模型；详细阐述了用于控制系统稳定性、瞬态性能、稳态性能分析时域法、根轨迹法、频域法和状态空间法，以及相应的系统设计方法；讨论了离散控制系统的模型、性能分析和校正方法；并对非线性

本教材共分为六个章节，分别为：*章自动控制系统概述、第二章控制系统的数学模型、第三章控制系统的时域分析、第四章根轨迹法、第五章线性系统的频域分析法、第六章线性系统的频域分析法。

本书为普通高等教育“十一五”国家级规划教材，第一版于2005年被评为北京市精品教材。本书是为非自动化类、工科高年级学生编写的教材，简练地论述了连续控制系统的分析和综合研究方法，包括系统数学模型的建立和动态结构图等效变换法则，利用经典控制理论的时域分析法、复域分析法、频域分析法对控制系统进行分析，应用串联校正、反馈校正和

本书共4章。第1章介绍了人工智能、机器学习、深度学习、强化学习的基本概念。第2章以Q学习为例，重点介绍了强化学习的原理、算法步骤、代码实现、代码运行调试。第3章先对深度学习的几种常见的类型和原理进行介绍，然后给出了例程和调试方法。第4章以Q学习中运用神经网络为例，介绍了深度强化学习的基本原理和方法，同时也给出了例程和调

本书介绍了深度学习原理与TensorFlow实践。着重讲述了当前学术界和工业界的深度学习核心知识：机器学习概论、神经网络、深度学习。着重讲述了深度学习的实现以及深度学习框架TensorFlow：Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow编程实践、TensorFlo

本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能的相关知识，包括机器学习和深度学习的基本内容，并结合图像信息处理和自然语言处理两个典型应用展开阐述，使读者能快速掌握人工智能的基本概念、基本知识体系和框架，为进一步深入学习打下良好基础。

本书理论完备，涵盖主流非深度强化学习算法和深度强化学习算法；实战性强，基于Python、Gym、TensorFlow2等构建，并有AlphaZero等综合案例。全书共12章，主要内容如下。 第1章：介绍强化学习的基础知识与强化学习环境库Gym的使用，并给出完整的编程实例。 第2～9章：介绍强化学习的理论知识。以Mark