全書首先概要介紹了傳統(tǒng)語音識別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語音識別中的應(yīng)用，包括"深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進深度學(xué)習(xí)技術(shù)。

自動控制原理是自動化相關(guān)專業(yè)的基礎(chǔ)理論課。本書主要介紹自動控制原理的經(jīng)典驗證性實驗及綜合設(shè)計性系統(tǒng)實驗。全書共11章，內(nèi)容包括自動控制系統(tǒng)的時域分析、根軌跡法、頻率法、控制系統(tǒng)的校正、非線性系統(tǒng)分析、線性離散系統(tǒng)、基于ELVISII的控制系統(tǒng)設(shè)計、單自由度垂直起降飛行器控制系統(tǒng)的設(shè)計、旋轉(zhuǎn)倒立擺控制系統(tǒng)的設(shè)計、實驗中常

本書主要介紹一種機器學(xué)習(xí)算法——提升法，主要關(guān)注其基礎(chǔ)理論和算法，也兼顧了應(yīng)用。全書共14章，分為4個部分。首先給出機器學(xué)習(xí)算法及其分析的概要介紹，然后第一部分重點探究了提升法的核心理論及其泛化能力。第二部分主要介紹了有助于理解和解釋提升法的其他理論，包括基于博弈論的解釋、貪心算法、迭代投射算法，并與信息幾何學(xué)和凸優(yōu)化

本書全面且系統(tǒng)地介紹了機器學(xué)習(xí)測試技術(shù)與質(zhì)量體系建設(shè)，分為5部分，共15章。第一部分（第1～4章）涵蓋了機器學(xué)習(xí)、Python編程、數(shù)據(jù)分析的基礎(chǔ)知識；第二部分（第5～7章）介紹了大數(shù)據(jù)基礎(chǔ)、大數(shù)據(jù)測試指南及相關(guān)工具實踐；第三部分（第8～10章）講解了機器學(xué)習(xí)測試基礎(chǔ)、特征專項測試及模型算法評估測試；第四部分（第11～

本書分為3部分，分別是綜述篇、通用技術(shù)篇和行業(yè)應(yīng)用篇。綜述篇介紹了現(xiàn)階段人工智能產(chǎn)品發(fā)展情況和人工智能政策環(huán)境。通用技術(shù)篇精心挑選10個以研發(fā)底層技術(shù)為核心競爭力的企業(yè)的產(chǎn)品，詳細介紹了它們的實現(xiàn)思路以及現(xiàn)階段應(yīng)用。行業(yè)應(yīng)用篇共有24個案例，主要匯集了人工智能技術(shù)與實體經(jīng)濟結(jié)合的應(yīng)用案例，重點關(guān)注人工智能技術(shù)的應(yīng)用場景

機器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、矩陣論、神經(jīng)網(wǎng)絡(luò)、計算機等多門學(xué)科。其目標(biāo)是模擬人類的學(xué)習(xí)活動，從數(shù)據(jù)中獲取知識和技能，重新組織已有的知識結(jié)構(gòu)，從而不斷改善系統(tǒng)性能。本書共9項目。項目1介紹機器學(xué)習(xí)基礎(chǔ)，概要介紹機器學(xué)習(xí)的發(fā)展簡史和一般步驟，以及本書涉及的方法和算法；項目2項目7討論k近鄰算法、線性回

本書全面、系統(tǒng)地介紹了經(jīng)典控制理論的基本內(nèi)容和自動控制系統(tǒng)的分析、校正與綜合設(shè)計方法。全書共分8章，主要包括自動控制的基本概念、控制系統(tǒng)的數(shù)學(xué)描述、時域分析法、根軌跡分析法、頻域分析法、線性控制系統(tǒng)的綜合與校正、離散時間控制系統(tǒng)、非線性控制系統(tǒng)等。每章最后一節(jié)為相應(yīng)的Matlab仿真實例。各章末給出本章小結(jié)和關(guān)鍵術(shù)語和

本書全面系統(tǒng)地闡述了人工智能的基本原理，勾畫了人工智能理論和技術(shù)體系的基本框架，內(nèi)容涵蓋了人工智能各個分支領(lǐng)域的基本知識和主要內(nèi)容，并體現(xiàn)了人工智能的最新進展。本書內(nèi)容全面、基礎(chǔ)、新穎、實用，為讀者進一步學(xué)習(xí)和研發(fā)奠定了基礎(chǔ)，指引了方向。全書共分為六篇，每篇為一個知識單元。本書結(jié)構(gòu)風(fēng)格獨特，條理清楚，語言精練，圖文并茂

本書主要介紹如何應(yīng)用Tensorflow來實現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書從tensorflow的基本語法，基礎(chǔ)教程、高級工具以及進階教程來對深度學(xué)習(xí)的理論與技術(shù)進行深入分析與講解，并提供大量的案例從零開始教會讀者如何使用深度學(xué)習(xí)進行開發(fā)以及應(yīng)用。本書主要介紹如何應(yīng)用Tensorflow來實現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書從

本書分為14章,涵蓋的主要內(nèi)容有人工智能的發(fā)展;開發(fā)環(huán)境的部署與使用;TensorFlow2.0框架結(jié)構(gòu)及基本函數(shù)使用;神經(jīng)網(wǎng)絡(luò)的發(fā)展與基本結(jié)構(gòu);圖像處理;TensorFlow2.0可視化工具TensorBoard;普通神經(jīng)網(wǎng)絡(luò)曲線擬合;普通神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)MNIST手寫字體識別;圖像風(fēng)格遷移;小型汽車車牌識別;