本書旨在討論人工智能領(lǐng)域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領(lǐng)域取得的一系列研究進展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術(shù)，比如意識上傳、飛米技術(shù)等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術(shù)落地，在生物學領(lǐng)域進

本書是一本針對高校學生的絕佳TensorFlow學習教材。作者結(jié)合眾多高質(zhì)量的代碼，生動講解了TensorFlow的底層原理，并從實際應(yīng)用問題入手，從實踐的角度出發(fā)，通過具體的TensorFlow案例程序介紹常見的模型和應(yīng)用解決辦法。同時，在教材中還介紹了模型部署和編程過程中所用到的諸多開發(fā)技巧。是學習和掌握人工智能這

本書涵蓋了經(jīng)典控制、現(xiàn)代控制和非線性控制理論的基本內(nèi)容。從控制理論的基礎(chǔ)知識入手，較深入地介紹了控制系統(tǒng)的傳遞函數(shù)、方框圖、信號流圖以及狀態(tài)空間模型；詳細闡述了用于控制系統(tǒng)穩(wěn)定性、瞬態(tài)性能、穩(wěn)態(tài)性能分析時域法、根軌跡法、頻域法和狀態(tài)空間法，以及相應(yīng)的系統(tǒng)設(shè)計方法；討論了離散控制系統(tǒng)的模型、性能分析和校正方法；并對非線性

本教材共分為六個章節(jié)，分別為：*章自動控制系統(tǒng)概述、第二章控制系統(tǒng)的數(shù)學模型、第三章控制系統(tǒng)的時域分析、第四章根軌跡法、第五章線性系統(tǒng)的頻域分析法、第六章線性系統(tǒng)的頻域分析法。

本書為普通高等教育“十一五”國家級規(guī)劃教材，第一版于2005年被評為北京市精品教材。本書是為非自動化類、工科高年級學生編寫的教材，簡練地論述了連續(xù)控制系統(tǒng)的分析和綜合研究方法，包括系統(tǒng)數(shù)學模型的建立和動態(tài)結(jié)構(gòu)圖等效變換法則，利用經(jīng)典控制理論的時域分析法、復域分析法、頻域分析法對控制系統(tǒng)進行分析，應(yīng)用串聯(lián)校正、反饋校正和

本書共4章。第1章介紹了人工智能、機器學習、深度學習、強化學習的基本概念。第2章以Q學習為例，重點介紹了強化學習的原理、算法步驟、代碼實現(xiàn)、代碼運行調(diào)試。第3章先對深度學習的幾種常見的類型和原理進行介紹，然后給出了例程和調(diào)試方法。第4章以Q學習中運用神經(jīng)網(wǎng)絡(luò)為例，介紹了深度強化學習的基本原理和方法，同時也給出了例程和調(diào)

本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術(shù)界和工業(yè)界的深度學習核心知識：機器學習概論、神經(jīng)網(wǎng)絡(luò)、深度學習。著重講述了深度學習的實現(xiàn)以及深度學習框架TensorFlow：Python編程基礎(chǔ)、TensorFlow編程基礎(chǔ)、TensorFlow模型、TensorFlow編程實踐、TensorFlo

本書致力于推動人工智能的普及教育，使用通俗易懂的語言深入淺出地介紹了人工智能的相關(guān)知識，包括機器學習和深度學習的基本內(nèi)容，并結(jié)合圖像信息處理和自然語言處理兩個典型應(yīng)用展開闡述，使讀者能快速掌握人工智能的基本概念、基本知識體系和框架，為進一步深入學習打下良好基礎(chǔ)。

本書理論完備，涵蓋主流非深度強化學習算法和深度強化學習算法；實戰(zhàn)性強，基于Python、Gym、TensorFlow2等構(gòu)建，并有AlphaZero等綜合案例。全書共12章，主要內(nèi)容如下。 第1章：介紹強化學習的基礎(chǔ)知識與強化學習環(huán)境庫Gym的使用，并給出完整的編程實例。 第2～9章：介紹強化學習的理論知識。以Mark

本書此次修訂按照打造新工科精品教材的要求，以培養(yǎng)新素養(yǎng)形成新能力為牽引重構(gòu)課程邊界、按教學實踐積累總結(jié)和新工科要求重塑課程知識點、按與時俱進的時代特征要求提供媒體教學內(nèi)容，精心對第3版進行了諸多重要修訂，使內(nèi)容更為優(yōu)化，更切合時代需求。本書主要介紹控制工程中分析和綜合線性定常系統(tǒng)的時、頻域理論和方法，內(nèi)容包括：緒論、數(shù)