本书涵盖许多无论是在理论还是在实践中都非常有趣的话题。书中介绍了包括控制范式、导航、软件、多机器人系统、群体机器人、社会角色中的机器人以及机器人中的人工意识。阐述了几个宽泛的主题，如人工智能理论与应用、拟人化、化身与情境、将心理学和动物行为理论扩展到机器人的理论以及未来的人工智能的新定义。

本书全面介绍了人工智能(AI)和机器学习(ML)的理论和应用。与仅仅从理论或实践的角度来看待这个领域不同，本书将这两个角度结合在了一起，给予全面的理解。第1部分介绍了人工智能和ML的概念以及它们的起源和现状。第2和第3部分深入探讨了静态ML技术和动态ML技术的概念和理论方面。第4部分描述了所提出的技术可以应用的实际应用

本书原版在2013年获得日本计测与自动控制学会著作奖,是日本大学广泛采用的自动控制教科书.是一本面向本科和专科层次的、结合当今控制技术发展的经典控制理论教科书.为便于初学者理解,译著对原书部分内容进行了编排,进而突出了重点,对各种数学公式的表达方式和含义进行了详尽的说明.特别对微分方程式与经典控制论的关联性、与控制学相

深度学习是当前的人工智能领域的技术热点。本书面向高等院校理工科专业学生的需求，介绍深度学习相关概念，培养学生研究、利用基于各类深度学习架构的人工智能算法来分析和解决相关专业问题的能力。本书内容包括深度学习概述、人工神经网络基础、卷积神经网络和循环神经网络、生成对抗网络和深度强化学习、计算机视觉以及自然语言处理。本书适合

本书简洁且全面地介绍了现代神经网络、人工智能和深度学习技术，专门为软件工程师和数据科学家设计。第1章逐步介绍神经网络的基础知识。第2章比较TensorFlow1.x和TensorFlow2.0编程模型。第3章重点介绍回归。第4章介绍卷积神经网络及其在图像处理中的应用。第5章讨论了CNN在图像、视频、音频和文本处理方面的

本书涵盖了经典和现代的深度学习模型。章节分为三类:第1部分为神经网络的基础。许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章的重点是理解传统机器学习和神经网络之间的关系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统都是神经网络的特例。本书将这些方法与特征工程方法如word2vec一起进行了研究。

本教材主要面向机械类、机器人类及其他非控制专业本科生，内容包括控制的基本概念、发展历程，控制系统的动态数学模型、时域瞬态响应分析、误差分析和计算、频率特性、稳定性分析、综合与校正，以及各章相关的MATLAB仿真。本教材以机电系统作为主要控制对象，对其数学模型和时域、频域分析综合进行重点介绍；着重基本概念的建立和解决机电

本书理论与实践相结合，系统阐述强化学习的基础知识，以及如何动手编写智能体以执行一系列实际任务。通过阅读本书，读者将获得深层Q网络、策略梯度方法、连续控制问题以及高度可扩展的非梯度方法等主题领域的可行洞见，还将学会如何构建一个经过强化学习训练、价格低廉的真实硬件机器人，并通过一步步代码优化在短短30分钟的训练后解决Pon

本书主要介绍了人工智能的基础知识和实用技术。本书共8章，包括“人工智能：开启智慧新时代”“Python：人工智能开发语言”“线性回归：预测未来趋势”“分门别类：帮你‘分而治之’”“物以类聚：发现新簇群”“个性化推荐：主动满足你的需求”“语音识别：让机器对你言听计从”“人脸识别：机器也认识你”。 本书以培养学生人工智能素

本书从深度学习的发展历程开始，系统介绍了基于深度学习的目标检测的基本问题及其相关处理方法与技术，主要内容涉及两阶段和单阶段目标检测的理论、算法和研究成果。本书共6章，包括深度学习神经网络类型、目标检测技术、基于FasterR-CNN的目标检测改进算法、领域自适应及其在目标检测技术上的典型应用、图像识别模型改进及面部表情