本书内容包括神经网络的基础、深度神经网络的优化和验证、深度神经网络开发和训练环境的构建、使用Tensor-Board进行网络训练的监控和模的超参数优化。本书详细介绍的深度学习问题，包括基本的回归问题、二元分类问题和多元分类问题，还包括较为复杂的卷积神经网络对图像的分类和使用预训练CNN进行的迁移学习；使用递归神经网络进

本书介绍了数据科学领域常用的所有重要机器学习算法以及TensorFlow和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、k均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。在本书中，你将学会如何使用这些算法来解决所遇到的问题，并了解这些算法的工作方式。本书还将

本书内容包括机械工程控制基础的基本概念、系统的数学建模、控制系统的时域分析法、控制系统的频域分析法、控制系统的设计与校正、离散控制系统初步、Matlab/Simulink在控制系统分析中的应用、机械工程控制系统案例分析等。本书可供机械工程类相关专业的本科、成人教育、函授生作为教材，也可供相关教师与工程技术人员作为参考书

着重介绍深度强化学习的学术界前沿进展与核心代码分析的书籍。对深度强化学习方面的重要学术进展按照单智能体深度强化学习、多智能体深度强化学习、多任务深度强化学习三个方向梳理，介绍其核心算法，以及算法的代码实现示例。

《TensorFlow深度学习（原书第2版）》深入介绍了如何使用TensorFlow构建深度学习应用，从实践的角度讲解深度学习知识。本书主要内容包括深度学习入门，介绍了机器学习和深度学习的基础知识；TensorFlow的主要特性，以及TensorFlow的安装与配置，通过示例进行TensorFlow计算、数据和编程模型

目标是培养学生对智能计算完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）融会贯通的理解，成为智能计算系统（子系统）的设计者和开发者。

本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。本书随书提供了机器学习中若干重要问题的MATLA

《人工智能导论》是为高等院校相关专业“人工智能导论”课程设计编写，具有丰富应用特色的主教材。针对高校学生的发展需求，《人工智能导论》分引言、基础知识、基于知识的系统和高级专题四部分，可依照学习进度与需求，做适当选择。内容包括：引言，包括绪论（基本概念）、人工智能+领域应用；基础知识，包括大数据思维、搜索算法、知识表示；

本书紧密追踪物联网*新技术发展与典型应用，结合互联网、云计算、大数据等技术，从基础知识、关键技术到典型应用，全方位阐述物联网的现状、关键技术及部分典型应用。全书共13章。第1章阐述物联网的发展背景、定义、特征及发展趋势；第2章至第4章从物联网感知层出发，分别介绍物联网识别技术（RFID）、物联网传感技术以及物联网智能视

《人工智能基础数学知识》基于流行的Python语言，通俗易懂地介绍了入门人工智能领域必需必会的数学知识，旨在让读者轻松掌握并学以致用。 《人工智能基础数学知识》分为线性代数、概率和优化等3篇，共21章，覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣，读者可在潜移默化中掌握这些数学知识以及相关的编程操作，并能