使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADM

本书是《动手学深度学习》的重磅升级版本，选用PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出基础的神经网络——多层感知机

机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。本书共6章。第1章节主要介绍机器学习的基本概念及其

2017年，国务院印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，机器学习作为人工智能技术的内核，走入我国广大中小学生的课堂是科技发展的必然选择。《BR》本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框

本书的主体内容包括机器学习概念与特征工程、机器学习技术、模型关系管理，其中，模型关系管理部分主要介绍了弱集成学习、强集成学习和混合专家模型。弱集成学习是指使用机器学习中的弱分类器实现模型准确度和稳定性之间的平衡。强集成学习是指协同特征工程与强分类器形成强集成学习环境。混合专家模型是指通过神经网络集成和网络结构设计形成深

人工智能是一项高科技技术，也是计算机技术的一个重要分支，此技术是以人工的方法，对人类的行动和思维进行模仿，同时在人的智能基础上进行拓展。人工智能应用面比较广泛，可代替人类进行各个方面的工作，可以说大大提高了人类在日常生活工作中的效率。但人工智能具有两面性，对人类有好的一面也有不好的一面。因此，本书将结合人工智能技术的发

本书是近年来作者对混合智能系统研究成果及经验的总结。本书界定了混合智能系统的研究范围和研究层次，给出了混合智能系统的概念。以设计科学的思想为基础，以基于案例推理的混合智能系统技术选择为核心，依据“从定性到定量综合集成研讨厅”的基本思想，提出了基于案例推理的混合智能系统构造方法。在对串型混合智能系统、并型混合智能系统、反

《自动控制原理（第2版）》主要内容包括控制系统的数学模型，线性系统的时域分析法、根轨迹法、频域分析法、综合与校正，非线性系统的分析，线性离散系统的分析。本书着重于基本概念、基本理论和基本分析方法，并附加学习资源，扫描书中的二维码可随时完成基本测试题练习并查看参考答案。本书在国家智慧教育公共服务平台有配套在线课程，可供读

本书将人工智能与人类智慧深度融合，系统、全面地介绍了类脑智能目标检测网络的构建原理、方法、过程，具有较高的学术价值；同时，本书将所构建的类脑智能目标检测网络在无人车交通标志检测、无人车-机械臂协同作业这两个场景进行了示范应用，具有较大的工程应用价值。本书主要的读者群体为从事类脑智能、计算机视觉、无人系统研究的科研工作者

本书以人工智能下的大数据时代为背景,从数据素养、数据分析基础、统计分析、机器学习多个维度全面系统地介绍了如何探索数据、整理数据并分析数据。本书没有给出晦涩难懂的数学公式,也不涉及复杂烦琐的程序代码,而是在阐述基本原理的基础上,辅以简洁的Python程序,让读者能够快速入门,提升个人的数据综合素养。