奇異跳變系統(tǒng)是一類(lèi)具有廣泛形式的動(dòng)力系統(tǒng)，能有效地描述電力系統(tǒng)、電路系統(tǒng)、社會(huì)經(jīng)濟(jì)系統(tǒng)等實(shí)際系統(tǒng)。本書(shū)以時(shí)滯奇異跳變系統(tǒng)為研究對(duì)象，旨在提出有效的容許性分析與控制器設(shè)計(jì)方法。本書(shū)主要介紹時(shí)滯奇異跳變系統(tǒng)容許性分析與狀態(tài)反饋控制、時(shí)滯奇異跳變系統(tǒng)觀測(cè)器設(shè)計(jì)與異步反饋控制、時(shí)滯奇異跳變系統(tǒng)濾波器設(shè)計(jì)與故障檢測(cè)、時(shí)滯奇異跳變

XGBoost是一種經(jīng)過(guò)行業(yè)驗(yàn)證的開(kāi)源軟件庫(kù)，為快速高效地處理數(shù)十億數(shù)據(jù)點(diǎn)提供了梯度提升框架。首先，本書(shū)在介紹機(jī)器學(xué)習(xí)和XGBoost在scikit-learn中的應(yīng)用后，逐步深入梯度提升背后的理論知識(shí)。讀者將學(xué)習(xí)決策樹(shù)，并分析在機(jī)器學(xué)習(xí)環(huán)境中的裝袋技術(shù)，同時(shí)學(xué)習(xí)拓展到XGBoost的超參數(shù)；并將從零開(kāi)始構(gòu)建梯度提升模

本書(shū)通過(guò)對(duì)大眾電子足跡大數(shù)據(jù)的挖掘與分析，從公共事件、智能交通和行為經(jīng)濟(jì)學(xué)三個(gè)維度探究復(fù)雜社會(huì)系統(tǒng)所隱藏的內(nèi)生動(dòng)力，并通過(guò)提出基本假設(shè)、建立理論模型探索這些規(guī)律的產(chǎn)生機(jī)制和可能的動(dòng)力學(xué)影響。本書(shū)共6章：第1章系統(tǒng)梳理了“人類(lèi)行為動(dòng)力學(xué)”在社會(huì)科學(xué)的認(rèn)知及其使用情況，比較了“內(nèi)生動(dòng)力”與“外在推力”等知識(shí)體系對(duì)人類(lèi)行為的

本書(shū)詳細(xì)介紹了強(qiáng)化學(xué)習(xí)的理論推導(dǎo)、算法細(xì)節(jié)。全書(shū)共12章，包括強(qiáng)化學(xué)習(xí)概述、馬爾可夫決策過(guò)程、退化的強(qiáng)化學(xué)習(xí)問(wèn)題、環(huán)境已知的強(qiáng)化學(xué)習(xí)問(wèn)題、基于價(jià)值的強(qiáng)化學(xué)習(xí)算法、基于策略的強(qiáng)化學(xué)習(xí)算法、AC型算法、基于模型的強(qiáng)化學(xué)習(xí)算法等相關(guān)知識(shí)。本書(shū)系統(tǒng)性強(qiáng)、概念清晰，內(nèi)容簡(jiǎn)明通俗。除了側(cè)重于理論推導(dǎo)，本書(shū)還提供了許多便于讀者理解的

主要內(nèi)容●數(shù)據(jù)字典和數(shù)據(jù)治理●數(shù)據(jù)質(zhì)量管控、合規(guī)和分發(fā)●構(gòu)建自動(dòng)化管道以提高可靠性●數(shù)據(jù)攝取、存儲(chǔ)和分發(fā)●支持生產(chǎn)環(huán)境中的數(shù)據(jù)建模、分析和機(jī)器學(xué)習(xí)

本書(shū)介紹了深度學(xué)習(xí)的基本理論、工程實(shí)踐及其在產(chǎn)業(yè)界的部署和應(yīng)用。在深度學(xué)習(xí)框架的介紹中，書(shū)中結(jié)合代碼詳細(xì)講解了經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和基于自注意力機(jī)制的Transformer網(wǎng)絡(luò)及其變體。還介紹了這些模型在圖像分類(lèi)、目標(biāo)檢測(cè)、語(yǔ)義分割、欺詐檢測(cè)和語(yǔ)音識(shí)別等領(lǐng)域的應(yīng)用。此外，書(shū)中還涵蓋了深度強(qiáng)化學(xué)習(xí)和生成對(duì)抗網(wǎng)

主要內(nèi)容●用進(jìn)化計(jì)算解決復(fù)雜的設(shè)計(jì)和分析問(wèn)題●調(diào)整深度學(xué)習(xí)超參數(shù)●將Q-Learning應(yīng)用于深度學(xué)習(xí)，從而進(jìn)行深度強(qiáng)化學(xué)習(xí)●優(yōu)化無(wú)監(jiān)督自編碼器的損失函數(shù)和網(wǎng)絡(luò)架構(gòu)●創(chuàng)建一個(gè)能夠參與OpenAIGym游戲的進(jìn)化智能體

《ChatGLM3大模型本地化部署、應(yīng)用開(kāi)發(fā)與微調(diào)》作為《PyTorch2.0深度學(xué)習(xí)從零開(kāi)始學(xué)》的姊妹篇，專(zhuān)注于大模型的本地化部署、應(yīng)用開(kāi)發(fā)以及微調(diào)等�！禖hatGLM3大模型本地化部署、應(yīng)用開(kāi)發(fā)與微調(diào)》不僅系統(tǒng)地闡述了深度學(xué)習(xí)大模型的核心理論，更注重實(shí)踐應(yīng)用，通過(guò)豐富的案例和場(chǎng)景，引導(dǎo)讀者從理論走向?qū)嵺`，真正領(lǐng)悟和

圖神經(jīng)網(wǎng)絡(luò)不僅能夠解決傳統(tǒng)機(jī)器學(xué)習(xí)方法無(wú)法解決的圖數(shù)據(jù)問(wèn)題，而且能夠應(yīng)用于許多實(shí)際場(chǎng)景，例如社交網(wǎng)絡(luò)、藥物發(fā)現(xiàn)、網(wǎng)絡(luò)安全、金融風(fēng)控等�！秷D神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、模型與應(yīng)用實(shí)戰(zhàn)》旨在為初學(xué)者和實(shí)踐者提供一個(gè)詳細(xì)、全面的入門(mén)指南，圍繞圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、模型、應(yīng)用實(shí)戰(zhàn)（均采用Python+PyTorch實(shí)現(xiàn)）等方面進(jìn)行介紹�！秷D神經(jīng)網(wǎng)

這本書(shū)將把人工智能、大數(shù)據(jù)、云、機(jī)器人和智能設(shè)備作為背景。揭示了人工智能如何幫助企業(yè)實(shí)現(xiàn)商業(yè)價(jià)值指數(shù)級(jí)增長(zhǎng)。本書(shū)涵蓋了我們?yōu)槭裁葱枰�人工智能，如何開(kāi)始，以及成功實(shí)施所需的框架和重要元素的全部?jī)?nèi)容。作者展示了其AI可視化版圖，概述了計(jì)劃和衡量一個(gè)成功的戰(zhàn)略(包括潛在的權(quán)衡)所需的構(gòu)建模塊，涉及了人工智能、機(jī)器學(xué)習(xí)或預(yù)測(cè)分