本書首先介紹深度強化學習的基礎(chǔ)知識以及TensorFlow2.x的**主要版本。隨后介紹OpenAIGym、基于模型的RL和無模型的RL，并學習如何開發(fā)基本代理。深入介紹發(fā)現(xiàn)如何實施高級深度強化學習算法，例如行動者批評、深度確定性策略梯度、深度Q網(wǎng)絡(luò)、近端策略優(yōu)化以及深度循環(huán)Q網(wǎng)絡(luò)，以訓練RL代理。同時，本書通過構(gòu)建用

本書是基于Python以及飛槳（PaddlePaddle）深度學習框架的實踐性機器學習入門教程，內(nèi)容涵蓋Python基礎(chǔ)語法、機器學習常用算法以及在計算機視覺和自然語言處理等經(jīng)典領(lǐng)域的詳細案例解析。本書語言簡潔易懂，注重實踐與理論相結(jié)合，旨在幫助讀者掌握機器學習的核心概念和技能。通過閱讀本書，讀者可以快速了解機器學習各

控制系統(tǒng)原理及相近課程是高等學校工科學生的核心課程之一。這是本書第十四版的中譯本，主要內(nèi)容包括控制系統(tǒng)導論、系統(tǒng)數(shù)學模型、狀態(tài)空間模型、反饋控制系統(tǒng)的特性、反饋控制系統(tǒng)的性能、線性反饋系統(tǒng)的穩(wěn)定性、根軌跡法、頻率響應(yīng)法、頻域穩(wěn)定性、反饋控制系統(tǒng)設(shè)計、狀態(tài)變量反饋系統(tǒng)設(shè)計、魯棒控制系統(tǒng)、數(shù)字控制系統(tǒng)等。 本書的例子和習題

本書旨在探討AIGC（ArtificialIntelligenceGeneratedContent）的發(fā)展歷程、應(yīng)用范圍及其對社會和個人的影響，從而幫助讀者深入了解并應(yīng)用人工智能技術(shù)。 本書共分為8章。第1章介紹了ChatGPT和AIGC的發(fā)展歷史，以及核心技術(shù)的演進與應(yīng)用。第2章詳細探討了ChatGPT的特點、功能，

人工智能（AI），尤其是生成式語言模型和生成式人工智能（AIGC）模型，正以驚人的速度改變著我們的世界。駕馭這股潮流的關(guān)鍵，莫過于探究自然語言處理（NLP）技術(shù)的深奧秘境。本書將帶領(lǐng)讀者踏上一段扣人心弦的探索之旅，讓其親身感受，并動手搭建語言模型。本書主要內(nèi)容包括N-Gram，詞袋模型（BoW），Word2Vec（W2

ChatGPT作為人工智能領(lǐng)域的一大進步，引起了熱議，其強大功能的背后離不開大模型的支持。大模型指的是參數(shù)規(guī)模超過千萬的機器學習模型，主要應(yīng)用于語音識別、計算機視覺等領(lǐng)域。本書聚焦大模型，對大模型的技術(shù)場景和商業(yè)應(yīng)用展開詳細敘述。本書主要從典型應(yīng)用ChatGPT入手，探尋其背后支撐大模型的魅力。首先，本書對大模型的基礎(chǔ)

《智能邊緣計算》對智能邊緣計算的概念、發(fā)展歷程以及邊緣計算的網(wǎng)絡(luò)形態(tài)進行了介紹，闡述了邊緣計算系統(tǒng)架構(gòu)和部署方案，并對邊緣計算的關(guān)鍵技術(shù)，如計算卸載、邊緣緩存、商業(yè)模式、移動性管理以及安全技術(shù)進行了詳細分析，針對智能邊緣計算的幾種實際場景以及與新興技術(shù)的融合進行了綜述說明。本書涉及的內(nèi)容廣泛，對算法、技術(shù)的闡述足夠清晰

本書是配合《人工智能英語》教材編寫的同步練習用書，旨在強化單詞應(yīng)用、補充練習題目、拓展行業(yè)知識，為課前預習、課中練習、課后復習提供足夠的素材。本手冊共分為6個主題，課前、課中、課后三個階段全面覆蓋，遵循語言學習規(guī)律，體現(xiàn)職業(yè)特色。課前通過開放式問題導入單元主題，引導學生進行預習，完成前測，掌握自己的學情。課中設(shè)計了單詞

本書共分7個模塊，內(nèi)容涵蓋計算機基礎(chǔ)知識、使用Windows10系統(tǒng)、使用Word2016制作文檔、使用Excel2016制作電子表格、使用PowerPoint2016制作演示文稿、計算機網(wǎng)絡(luò)應(yīng)用、體驗人工智能等。另外，書末還安排了4套最新的全國計算機等級考試一級計算機基礎(chǔ)及MSOffice應(yīng)用模擬試題。

本書收錄了20篇有關(guān)深度學習的技術(shù)文章，文章針對無人系統(tǒng)，尤其是與無人機控制和航空領(lǐng)域相關(guān)的各種深度學習技術(shù)進行了介紹，并利用深度學習對大規(guī)模數(shù)據(jù)集動態(tài)特性的理解方面的優(yōu)勢，在參考大量相關(guān)文獻的基礎(chǔ)上，提出了基于強化學習和深度學習的態(tài)勢感知及決策方案，為深度學習在無人系統(tǒng)方面的技術(shù)研究提供了有益的參考。