回看歷史，技術(shù)革新周期通�？杀环譃槿齻�階段：技術(shù)先于產(chǎn)品、產(chǎn)品先于技術(shù)、運營先于產(chǎn)品。目前，人工智能周期正在由第一階段向第二階段過渡，這個時期不僅是技術(shù)為社會生活帶來巨大改變的時期，更是產(chǎn)品經(jīng)理們盡情發(fā)揮創(chuàng)造力來影響這個世界的時期。實際上，成熟人工智能產(chǎn)品經(jīng)理的缺乏，正是當下人工智能技術(shù)真正落地、改變?nèi)藗兩�活的主要瓶頸

時滯奇異攝動不確定系統(tǒng)的穩(wěn)定性分析與控制

深度學習已經(jīng)成為人工智能炙手可熱的技術(shù)，PyTorch是一個較新的，容易上手的深度學習開源框架，目前已得到廣泛應用。本書從PyTorch框架結(jié)構(gòu)出發(fā)，通過案例主要介紹了線性回歸，邏輯回歸，前饋神經(jīng)網(wǎng)絡，卷積神經(jīng)網(wǎng)絡，循環(huán)神經(jīng)網(wǎng)絡，自編碼模型，以及生成對抗網(wǎng)絡。本書作為深度學習的入門教材，省略了大量的數(shù)學模型推導，通過實

本書系統(tǒng)地論述了神經(jīng)網(wǎng)絡的主要理論、控制技術(shù)及應用實例，旨在使讀者理解和熟悉神經(jīng)網(wǎng)絡及其控制的基本原理和主要應用，掌握它的結(jié)構(gòu)和設(shè)計應用方法，主要內(nèi)容包括神經(jīng)網(wǎng)路基礎(chǔ)論、神經(jīng)網(wǎng)絡控制原理、感知器神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡、時滯神經(jīng)網(wǎng)絡、CMAC網(wǎng)絡、模糊神經(jīng)網(wǎng)絡控

人工智能已成發(fā)展趨勢，而深度學習則是其中最有用的工具之一。雖然科技發(fā)展速度迅猛，現(xiàn)在實用技術(shù)更新?lián)Q代的頻率已經(jīng)迅速到以周來計算，但是其背后最為基礎(chǔ)的知識卻是共通的。本書較為全面地介紹了神經(jīng)網(wǎng)絡的諸多基礎(chǔ)與進階的技術(shù)，同時還介紹了如何利用神經(jīng)網(wǎng)絡來解決真實世界中的現(xiàn)實任務。本書各章的內(nèi)容不僅包括經(jīng)典的傳統(tǒng)機器學習算法與神

本書從跨學科視角來看待人工智能這個技術(shù)性的學科。圍繞用數(shù)學模型預測未來這一主題，介紹算法，主要包括現(xiàn)在流行的機器學習和深度學習算法，以及算法要解決問題本身的復雜性。復雜的問題，需要復雜的算法，而算法設(shè)計背后的老師正是自然界的復雜性本身。最終，我們上升到自然界解決復雜性最有利的工具，即人類智能本身，讓讀者從神經(jīng)科學的角度

教材全面系統(tǒng)地介紹了自動控制理論的基本內(nèi)容和分析、設(shè)計方法，主要包括系統(tǒng)數(shù)學模型的建立，時域分析法，根軌跡法，頻域法，控制系統(tǒng)校正，采樣系統(tǒng)理論，非線性系統(tǒng)理論（相平面法和描述函數(shù)法），現(xiàn)代控制理論基礎(chǔ)。為了與生產(chǎn)實踐密切結(jié)合，書中列舉了一些電力系統(tǒng)中的應用實例。

本書旨在從理論和技術(shù)上深入介紹智能視覺感知技術(shù)的原理、技術(shù)、前沿研究內(nèi)容和智能視覺感知技術(shù)在諸多領(lǐng)域的典型應用，為在讀研究生和工程技術(shù)人員學習基于計算機的機器視覺處理的理論、技術(shù)和相關(guān)應用奠定基礎(chǔ)。本書的主要內(nèi)容包括智能視覺感知技術(shù)概述、攝像機標定、視覺跟蹤、目標檢測、圖像拼接與鑲嵌、圖像增強、電子穩(wěn)像、圖像融合、基于

深度學習是人工智能的前沿技術(shù)。本書深入淺出地介紹了深度學習的相關(guān)理論和實踐，全書共分16章，采用理論和實踐雙主線寫作方式。第1章給出深度學習的大圖。第2章和第3章，講解了機器學習的相關(guān)基礎(chǔ)理論。第4章和第5章，講解了Python基礎(chǔ)和基于Python的機器學習實戰(zhàn)。第6至10章，先后講解了M-P模型、感知機、多層神經(jīng)網(wǎng)

隨著人工智能熱潮的興起，企業(yè)對人工智能領(lǐng)域產(chǎn)品經(jīng)理的人才需求也開始井噴，人工智能產(chǎn)品經(jīng)理成為順應時代潮流的重要人力資源。實際上，人工智能確實給現(xiàn)有的產(chǎn)品和服務帶來了全方位的升級，這也給產(chǎn)品經(jīng)理從業(yè)人員提出了更高的要求，是關(guān)注人工智能產(chǎn)品的產(chǎn)品經(jīng)理們面臨的一次關(guān)鍵轉(zhuǎn)型考驗。本書從知識體系、能力模型、溝通技巧等方面幫助大家

計算機視覺、自然語言處理和語音識別是目前深度學習領(lǐng)域很熱門的三大應用方向，本書旨在幫助零基礎(chǔ)或基礎(chǔ)較為薄弱的讀者入門深度學習，達到能夠獨立使用深度學習知識處理計算機視覺問題的水平。通過閱讀本書，讀者將學到人工智能的基礎(chǔ)概念及Python編程技能，掌握PyTorch的使用方法，學到深度學習相關(guān)的理論知識，比如卷積神經(jīng)網(wǎng)絡

10余位研究人員，歷時1年多，涉及8個領(lǐng)域，走訪全國上百家企業(yè)，深入調(diào)研人工智能在各個產(chǎn)業(yè)的商業(yè)應用。全彩印刷，9章內(nèi)容，13個表格，122幅統(tǒng)計圖、流程圖、設(shè)計圖……精彩呈現(xiàn)人工智能未來發(fā)展面臨的挑戰(zhàn)與機遇。

《情感計算與情感機器人系統(tǒng)》在介紹情感計算、情感建模以及人機情感交互概念的基礎(chǔ)上，分析了當前人機情感交互的研究前沿，總結(jié)了在多模態(tài)情感識別方法、人機交互氛圍場建模、情感意圖理解方法、情感機器人的多模態(tài)情感表達以及人機情感交互系統(tǒng)應用方面的**研究成果，使讀者對人機情感交互有更深的理解，對促進我國在情感計算與情感機器人領(lǐng)

《學習科學視域下的網(wǎng)絡深度學習：理論·技術(shù)·趨勢》首先通過對學習科學的主旨—深度學習進行研究，借鑒學習科學領(lǐng)域?qū)�學習環(huán)境、學習過程和學習結(jié)果研究的相關(guān)成果，結(jié)合深度學習的時代背景，構(gòu)建了技術(shù)增強環(huán)境下網(wǎng)絡深度學習的理論體系和分析框架；然后對深度學習的創(chuàng)新技術(shù)、工具及場景等進行探討，對網(wǎng)絡深度學習的策略等進行推演，對國際

《強化學習精要：核心算法與TensorFlow實現(xiàn)》用通俗幽默的語言深入淺出地介紹了強化學習的基本算法與代碼實現(xiàn)，為讀者構(gòu)建了一個完整的強化學習知識體系，同時介紹了這些算法的具體實現(xiàn)方式。從基本的馬爾可夫決策過程，到各種復雜的強化學習算法，讀者都可以從本書中學習到。本書除了介紹這些算法的原理，還深入分析了算法之間的內(nèi)在

本書內(nèi)容一共分為三大部分：第一部分介紹證據(jù)理論的基本概念、主要問題、研究現(xiàn)狀以及主要應用等。第二部分共包括五章，主要介紹作者多年來針對證據(jù)理論在實際應用中所存在的傳感器信息建模問題、沖突證據(jù)融合問題、信度決策問題、計算復雜度問題等四個關(guān)鍵問題展開深入研究，所取得的最新研究成果及相關(guān)解決方案，同時介紹針對這些關(guān)鍵問題的國

本書以深度學習算法入門為主要內(nèi)容，通過系統(tǒng)介紹Python、NumPy、SciPy等科學計算庫，深度學習主流算法，深度學習前沿研究，深度學習服務云平臺構(gòu)建四大主線，向讀者系統(tǒng)地介紹了深度學習的主要內(nèi)容和研究進展。本書介紹了Python、NumPy、SciPy的使用技巧，面向谷歌推出的開源深度學習框架TensorFlow

本書從腦力負荷動態(tài)特征視角下研究人機交互型VDT持續(xù)作業(yè)績效及管理問題。在設(shè)計體現(xiàn)人機交互型VDT持續(xù)作業(yè)特征的CPT范式實驗的基礎(chǔ)上，構(gòu)建腦力負荷綜合評估指標體系，針對作業(yè)特點，分析腦力負荷時間累積效應下的動態(tài)特征，并構(gòu)建人機交互型VDT持續(xù)作業(yè)績效評估和預測模型；分析作業(yè)績效隨腦力負荷變化的趨勢和規(guī)律，定義和設(shè)計人

本書為胡壽松教授主編的教材《自動控制原理》的學習指導性教學配套用書。本書系統(tǒng)地給出了《自動控制原理（第七版）》中全部260道習題的詳解，這些習題包含了概念題、基本題、證明題、工程應用題、MATLAB題、設(shè)計題和難題等七類題型�！禕R》本書在習題解析過程中給出了解題思想的友情提示，指明解題過程的注意事項，其解題步驟科學、

本書全面梳理了各個學科與智能研究相關(guān)的成果，在此基礎(chǔ)上歸納了一般智能的構(gòu)成要素，形成了生物智能和非生物智能統(tǒng)一的智能理論體系。系統(tǒng)分析了智能的進化、發(fā)展、使用和評價，提出了語義邏輯的主要準則和不同于馮?諾伊曼體系的智能計算架構(gòu)。并且為構(gòu)建本書所述非生物智能體或人工智能學界討論的通用人工智能提出了一條可實現(xiàn)的路徑。本書適