本書以機器人作為載體，將人工智能的具體應用案例引入課程，分為基礎結構篇和拓展硬件篇。其中基礎結構篇主要介紹機器人的發(fā)展歷程及特點，并通過介紹生活中的常用工具來學習簡單的機械原理；拓展硬件篇主要介紹一款新的智能硬件，將新的智能硬件與機器人配合使用可開拓學生的創(chuàng)新思維，創(chuàng)作更多智能產(chǎn)品。本書圖文并茂，語言簡潔，易于理解，既

《基于知識工程的多學科設計優(yōu)化》的主要目標是通過基本概念的全面介紹，使讀者深刻理解構成MDO技術基礎的優(yōu)化方法。第2～6章涵蓋了這部分內(nèi)容，熟悉優(yōu)化方法和優(yōu)化理論的讀者可略讀或有選擇地閱讀這些章節(jié)。該書通過3章內(nèi)容來介紹MDO的核心知識：第7章闡述了解決假設問題的靈敏度分析方法；第8章介紹了當下先進的MDO框架范例；第

本教材共9章，采用知識體系和案例體系兩種方式對人工智能技術及其應用進行闡述。第1章介紹了人工智能的概念，對人工智能的社會價值、應用領域以及未來發(fā)展進行展望。第2章介紹了人工智能技術知識與知識表示，列出其知識圖譜。第3章對機器學習進行概述，從發(fā)展、范圍、方法、工具以及挑戰(zhàn)等方面對人工智能的機器學習進行介紹。第4章介紹了人

人們幾乎天天使用常識推理，但用形式化的方式來表示卻非常困難。人工智能是研究解決某些通常被認為要用智能才能解決的問題的計算機技術，人工智能研究計算機刻畫主體如何獲得知識和處理知識的能力，人工智能邏輯就是用邏輯方法和成果研究主體如何處理知識的理論。本書分8章，從人工智能的角度來建立邏輯理論系統(tǒng)，系統(tǒng)全面地介紹了人工智能邏輯

本書系統(tǒng)地介紹了時滯分布參數(shù)神經(jīng)網(wǎng)絡中的重要問題，主要內(nèi)容包括時滯分布參數(shù)神經(jīng)網(wǎng)絡的穩(wěn)定性、周期解、魯棒性、無源性、自適應同步控制、自適應學習同步、采樣同步控制及反同步等問題。書中所給的分析方法包括代數(shù)不等式、線性矩陣不等式、隨機分析、自適應控制、采樣控制、學習控制方法等。書中的內(nèi)容來源于作者近幾年來的創(chuàng)新性研究成果，

《實踐深度學習》共6章，第1章主要介紹深度學習必備的器材、操作系統(tǒng)及中間件的安裝方法;第2、3章解讀了深度學習示例中的基本術語;第4章則通過示例程序說明了VGG-16、ResNet-152的具體操作方法，并給出了提升估測精度的方法。而第5章介紹了基于26層網(wǎng)絡的Yolo和有助于醫(yī)學圖像目標識別的U形23層網(wǎng)絡模型。第6

《人工智能基礎（原書第2版）》把近年來AI發(fā)展歷程中的重要事件一一進行了梳理，不僅回顧了AI的誕生、發(fā)展，還詳細歸納整理了當前AI研究的核心問題—規(guī)劃、推理、機器學習等，又在此基礎上對人工智能未來的發(fā)展方向給出了一定的預期，包括分布式AI及進化計算等方面，很好地回答了所謂“人工智能的基礎究竟是什么”這一問題。本書內(nèi)容直

本書主要介紹了Google云平臺中有關機器學習的多種工具，以及如何使用它們來進行機器學習。這些工具對使用者在機器學習理論方面的要求很低，讀者可以在僅了解一點有關機器學習基礎知識的前提下使用它們。本書在使用每種機器學習的工具或技術之前，都會對相應的理論進行較為詳實的介紹。但也同時考慮了機器學習理論的復雜性，在對理論知識的

本書系統(tǒng)地介紹了人工智能的基礎知識、核心技術、近年來的發(fā)展，以及在金融領域的應用情況。全書分為上下兩篇，共14章。上篇為人工智能基礎理論，內(nèi)容包括人工智能概述、智能搜索技術、博弈決策、確定性知識表示及知識推理、不確定性推理、機器學習、計算智能、智能主體技術；下篇為人工智能的應用，內(nèi)容包括面向金融領域的信息抽取、面向金融

本書在“科學技術社會學”框架下，從多學科交叉的管理綜合角度將物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會與治理創(chuàng)新研究貫通起來，全面、系統(tǒng)地分析物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會及其治理邏輯等元問題，從技術和經(jīng)濟治理、文化治理、風險治理、民眾參與治理等方面創(chuàng)新物聯(lián)網(wǎng)新時代物聯(lián)網(wǎng)社會的治理理論與實踐。