数据挖掘与机器学习--基于R语言编程

《四元数神经网络稳定性理论及应用》旨在介绍四元数神经网络稳定性理论及应用的研究现状、典型模型、常用研究方法.具体内容包括四元数神经网络渐近稳定性、四元数神经网络鲁棒稳定性、四元数神经网络μ-稳定性及均方稳定性、四元数神经网络Mittag-Leffler稳定性、四元数神经网络Lagrange稳定性及H-U稳定性、四元数神

本书系统地阐述了人工智能算法的基本原理、实现技术及其应用，基本涵盖了其重要理论和方法，包括了最近发展起来的并被实践证明的新技术、新理论，如机器学习、模式识别、图像处理、神经网络、深度学习、群智能方法等。本书注重结合实际，通过实际问题介绍各种理论和方法，着重介绍各种智能算法的MATLAB实现，具有较强的指导性和实用性。

图强化学习是深度强化学习的重要分支领域。本书作为该领域的入门教材，在内容上尽可能覆盖图强化学习的基础知识，并提供应用实践案例。全书共10章，大致分为三部分：第一部分（第1～3章）介绍图强化学习研究对象（复杂系统、图和复杂网络）；第二部分（第4～7章）介绍图强化学习基础知识（图嵌入、图神经网络和深度强化学习）；第三部分（

近年来随着计算机技术的快速发展，机器学习被广泛应用于信息检索、自然语言处理、计算机视觉及自动化控制等方面。由于机器学习在实际应用中对不同问题所提供的条件各不相同，如含有标签信息的数据、不含标签信息的数据等，针对不同的数据类型有多种解决方法：监督学习、半监督学习、无监督学习。本书针对监督和无监督学习方法进行理论的概述、模

可解释AI(InterpretableAI)将教会你识别模型所学习的模式及其产生结果的原因。通过阅读《可解释AI实战（PyTorch版）》，你将掌握一些用于解释白盒模型(如线性回归和广义可加模型)的方法，以及一些用于解释复杂深度学习模型的方法。可解释AI是一个快速发展的领域，本书将该领域的前沿研究简化为你可以在P

本书系统介绍了推荐算法的知识框架和技术细节，包括召回、粗排、精排和重排等模块。第1章从用户体验、内容生产和平台发展角度介绍为什么需要推荐系统，并阐述推荐系统的分类及整体技术架构。第2章介绍推荐算法模型的基础——数据样本和特征工程。第3章介绍传统推荐算法。第4~7章介绍推荐系统中最复杂的部分——精排模块，包括特征交叉、用

本书介绍了自组织增量学习神经网络及其在人工智能领域的应用。神经网络是一种模拟生物神经系统的人工智能技术，具有强大的数据处理能力和学习能力。自组织增量学习神经网络是一种具有高度自组织结构和增量学习能力的神经网络。与传统机器学习方法相比，自组织增量学习神经网络有更强的灵活性和适应性，能够更好地适应动态环境和解决复杂的问题。

本书探讨了AI领域的AIAgent（智能体）和生成式AI的前沿进展，以及这些技术如何重塑我们的生活和工作方式。本书首先回顾了AI技术的演变历程，并强调了智能体的定义及其在客户服务、医疗健康和制造业等领域的广泛应用。本书也对智能体与传统软件进行了对比，分析了智能体的自主性、适应性和协作能力。生成式AI的崛起也被特别提及，

《机器学习实战：视频教学版》基于Python语言详细讲解机器学习算法及其应用，用于读者快速入门机器学习。本书配套示例源代码、PPT课件、教学视频、教学大纲、习题与答案、作者微信答疑。《机器学习实战：视频教学版》共分12章，内容包括机器学习概述、Python数据处理基础、Python常用机器学习库、线性回归及应用、分类算