人工智能的迅速發(fā)展將深刻改變?nèi)祟惿鐣�生活、改變世界。為搶抓人工智能發(fā)展的重大戰(zhàn)略機遇，構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢，加快建設(shè)創(chuàng)新型國家和世界科技強國，按照黨中央、國務院部署要求，由科技部牽頭制定了《新一代人工智能發(fā)展規(guī)劃》（以下簡稱《規(guī)劃》），并于2017年7月在中國政府網(wǎng)上正式發(fā)布�！兑�(guī)劃》提出發(fā)展新一代人工智能的

本書是以作者多年來從事人工智能研究的經(jīng)驗為基礎(chǔ)，并廣泛參考了國內(nèi)外最新研究資料編寫而成的。本書從人工智能的本源問題出發(fā)，著重介紹了人工智能各領(lǐng)域的概念體系、方法體系、經(jīng)典算法與新的流行算法以及當前人工智能的研究熱點——機器學習和機器視覺。 本書可供高等院校人工智能相關(guān)專業(yè)本科生、研究生作為教材或參考書使用，也可供相關(guān)

本書是為應用型本科學校自動控制類課程編寫的教材，重點講述了經(jīng)典控制理論、離散控制系統(tǒng)及其應用，主要內(nèi)容包括自動控制基礎(chǔ)概論、控制系統(tǒng)的動態(tài)數(shù)學模型、控制系統(tǒng)的時域瞬態(tài)響應分析、線性系統(tǒng)的根軌跡法、控制系統(tǒng)的頻率特性、控制系統(tǒng)的綜合與校正、離散系統(tǒng)與計算機控制系統(tǒng)，還對非線性控制系統(tǒng)分析和線性系統(tǒng)的狀態(tài)空間分析作了介紹。

本書以人工液位系統(tǒng)、電機轉(zhuǎn)速等5個工程項目為載體，以完成具體項目任務為主線，將自動控制系統(tǒng)的總體認識、數(shù)學模型建立、系統(tǒng)性能分析方法以及系統(tǒng)主要性能的分析和校正等經(jīng)典控制理論知識融入各工程項目中，讓學生在解決實際工程問題的過程中理解和掌握抽象的理論知識，從而達到學以致用的目的。每個項目都有項目引入、信息收集、項目實施、

人工智能是一門新的交叉學科，近年來涌現(xiàn)出了許多新的算法模型和框架。本書面向人工智能算法的實踐與應用，參考了*級會議和國內(nèi)外競賽平臺的內(nèi)容，將所涉及的分類、檢測、識別、預測等多項實驗任務進行歸類和優(yōu)化整理。書中對每個實驗的背景與內(nèi)容都進行了詳細闡述，對實驗的要求與評估方法進行了深入討論，對實驗數(shù)據(jù)及來源進行了詳盡描述，并

本書作為“自動控制原理”課程實踐性教學的教材，較全面地涵蓋了經(jīng)典控制理論知識的重點和難點。本書所編排的實驗章節(jié)內(nèi)容與“自動控制原理”教材的課程內(nèi)容相對應，共5章，分別為自動控制的基礎(chǔ)理論、線性系統(tǒng)時域分析、線性系統(tǒng)頻域分析、線性系統(tǒng)的校正與設(shè)計、非線性系統(tǒng)分析及線性系統(tǒng)的狀態(tài)反饋，并按照自動控制原理知識體系精心設(shè)計了2

本書首先闡述了物聯(lián)網(wǎng)的基本概念、關(guān)鍵技術(shù)和應用案例等物聯(lián)網(wǎng)的基本理論知識，然后循序漸進地介紹物聯(lián)網(wǎng)開發(fā)的典型實戰(zhàn)任務，通過逐級遞進式任務介紹法達到理論與實踐相結(jié)合的目的，使讀者清晰地了解物聯(lián)網(wǎng)系統(tǒng)開發(fā)的整體流程。本書針對每個實戰(zhàn)任務提供微課視頻和源代碼。本書可作為高等院校通信工程、電子信息工程、人工智能、機械電子、計算

本書以交互設(shè)計的理論方法為主線，建立正確的認識論和方法論，通過六個步驟，從三個角度介紹交互設(shè)計的流程和思維方法。六個步驟主要包括市場調(diào)研與設(shè)計研究、用戶研究與任務分析、商業(yè)模型與概念設(shè)計、信息架構(gòu)與設(shè)計實現(xiàn)、設(shè)計評估與用戶測試、系統(tǒng)開發(fā)與運營跟蹤。本書通過真實、完整的案例，與讀者分享作者的實踐心得，幫助讀者加深對交互設(shè)

內(nèi)容簡介書中以案例形式詳細介紹了PyTorch的各種實戰(zhàn)應用。具體內(nèi)容包括PyTorch與TensorFlow的對比和PyTorch的發(fā)展現(xiàn)狀，張量Tensor和自動微分Autograd及其具體應用，PyTorch構(gòu)建神經(jīng)網(wǎng)絡，基于PyTorch構(gòu)建復雜應用，PyTorch高級技巧與實戰(zhàn)應用，網(wǎng)絡剪枝應用。

??學習成功機器學習項目的最佳實踐。??使用Azure完成自動機器學習。??理解分類和回歸，以及模型可解釋性和透明性等概念。??了解如何在其他環(huán)境中使用AutomatedML，如AzureDatabricks、ML.NET和SQLServer。??探索推動機器學習大眾化的工具。