本書主要利用控制論、代數(shù)圖論、矩陣論及偏微分方程等理論和方法,重點闡述了多智能體系統(tǒng)一致性和復雜動態(tài)網(wǎng)絡同步控制這兩個問題,主要討論以下幾類問題：多智能體系統(tǒng)的**-跟隨一致性問題;時滯復雜網(wǎng)絡的同步問題;Lurie型動態(tài)網(wǎng)絡的簇同步問題.

知識工程是創(chuàng)新方法的一種，是一個采用人工智能技術進行文本理解閱讀，用知識圖譜進行知識表達，并在知識圖譜上構(gòu)建的一個具有搜索、推薦、問答、輿情監(jiān)測和社區(qū)服務功能的系統(tǒng)。本書概括了知識管理和知識工程的各種概念，描述了人工智能技術在知識挖掘中的應用發(fā)展趨勢及實現(xiàn)知識工程的云架構(gòu)技術，列舉了知識工程在幾個典型行業(yè)的應用實例，展

本書從統(tǒng)計學觀點出發(fā)，以數(shù)理統(tǒng)計為基礎，全面系統(tǒng)地介紹了統(tǒng)計機器學習的主要方法。內(nèi)容涉及回歸（線性回歸、多項式回歸、非線性回歸、嶺回歸，以及LASSO等）、分類（感知機、邏輯回歸、樸素貝葉斯、決策樹、支持向量機、人工神經(jīng)網(wǎng)絡等）、聚類（K均值、EM算法、密度聚類等）、蒙特卡洛采樣（拒絕采樣、自適應拒絕采樣、重要性采樣、

《強化學習》一書內(nèi)容系統(tǒng)全面，覆蓋面廣，既有理論闡述、公式推導，又有豐富的典型案例，理論聯(lián)系實際。書中全面系統(tǒng)地描述了強化學習的起源、背景和分類，各類強化學習算法的原理、實現(xiàn)方式以及各算法間的關系，為讀者構(gòu)建了一個完整的強化學習知識體系；同時包含豐富的經(jīng)典案例，如各類迷宮尋寶、飛翔小鳥、撲克牌、小車爬山、倒立擺、鐘擺、

隨著人工智能的發(fā)展以及TensorFlow在人工智能方面的火熱應用，越來越多的大學逐步開設深度學習和人工智能課程。本書既是一本為讀者量身定制的TensorFlow2.0入門教材，也是針對需要學習TensorFlow2.0新內(nèi)容的讀者提供的基礎與進階知識的深入型教材。本書分為10章，主要內(nèi)容包括TensorFlow2.0

本書是一本體系完整、突出算法和教學資源豐富的人工智能教材，可幫助讀者掌握人工智能脈絡體系，從算法和模型方面來了解人工智能具能、使能和賦能的原理。全書共9章，第1章緒論；第2章邏輯與邏輯；第3章搜索求解；第4章監(jiān)督學習；第5章無監(jiān)督學習；第6章深度學習；第7章強化學習；第8章人工智能博弈；第9章人工智能未來發(fā)展和趨勢。書

本書系統(tǒng)地介紹了人工智能的基本原理、實現(xiàn)技術及其應用，并全面反映了國內(nèi)外人工智能研究領域的**進展和發(fā)展方向。本書先深入淺出地闡述了經(jīng)典人工智能的原理和方法，包括知識表示、智能搜索、自動推理、機器學習和深度學習等內(nèi)容，使讀者對人工智能的概念和構(gòu)造方法有一個比較清晰的認識；又對人工智能熱點領域進行了深入闡述，包括卷積神經(jīng)

數(shù)據(jù)是載體，智能是目標，而機器學習則是從數(shù)據(jù)通往智能的技術途徑。機器學習是數(shù)據(jù)科學的核心，是現(xiàn)代人工智能的本質(zhì)。本書內(nèi)容包括機器學習概述、決策樹學習、多層感知器、維度約簡、支持向量機、無監(jiān)督學習、概率圖模型、強化學習、深度學習。本書除介紹常用的機器學習方法外，還綜述各主要方法的應用現(xiàn)狀。通過各章案例的詳細描述,讀者可以

本書是“人工智能導論”課程的輔助實驗性教材，配合主教材《人工智能導論》（徐潔磐編著，中國鐵道出版社有限公司出版）一起使用。全書共5章：其中，第1章主要對實驗平臺進行介紹，第2～4章主要對平臺的工具進行介紹，如Python、Numpy、TensorFlow、PyTorch等，第5章主要介紹與人工智能相關的11個實驗，如人

《人工智能》系列讀本共3冊，由華東師范大學教授、信息科技課程專家任友群先生主編，由中國工程院院士、浙江大學教授潘云鶴先生作序，由上海教育出版社出版。《人工智能初中版》針對初中生編制，主要目標是人工智能初體驗——通過對人工智能的解構(gòu)（看、聽、說、想、動）及綜合實踐項目等幫助學生體驗人工智能，掌握基本知識和技能；在實施案例