本书从机器学习的基本原理开始讲解，然后是神经网络、深度学习，最后讲解卷积神经网络。本书在讲解原理的基础上，以MATLAB为开发工具和编程语言，将深度学习所涉及的原理均用MATLAB进行仿真实践，并将书中所有的实例以MATLAB为底层编程语言进行编程和讲解。 通过本书的阅读，读者可以学会神经网络和多层神经网络的原理，卷积和池化的含义，并可利用MATLAB进行深度学习的研究和开发。 本书可用作高等院校人工智能课程或工程师培训的教材，也可供从事人工智能等领域研究和应用的开发人员使用。 3.作者简介 Serge Kruk博士，奥克兰大学数学与统计系教授，曾是贝尔实验室资深研究员。具有多年的研究和工作经验，目前主要的研究方向为：algorithms for semidefinite optimization， scheduling， feasibility， and the related numerical linear algebra and analysis等 邹伟 博士，睿客邦创始人，研究方向为机器学习、数据挖掘、计算几何，致力于机器学习和深度学习在实际中的应用；主持研发50多个人工智能领域工业级项目，并受邀在中国移动、花旗银行、中信集团、中航信、烽火科技、京东方、完美世界等公司进行了上百场讲座和内部培训。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地；兼任天津大学创业导师、山东交通学院客座教授等。曾在多个在线平台讲授“机器学习”“深度学习”等课程，广受网友好评，累计学习人数超过百万。

Kaveh Pahlavan，国际知名学者，在无线网络、机器人、无线定位领域，尤其是Wi-Fi、室内、人体局域网定位技术方面，进行了开创性的理论研究和产业实践。《室内地理定位科学与技术：在智能世界和物联网的应用/电子信息前沿技术丛书》主要针对大学高年级本科生、研究生和从事实际工作的工程师撰写，提供的素材主要源自作者团队在实验室的研发实例，以及作者作为大学教授的教学经验、作为初创公司技术顾问的工业经验。《室内地理定位科学与技术：在智能世界和物联网的应用/电子信息前沿技术丛书》特点：内容新颖独特。作者拥有多年教学、科研经验和产业实践积累，很多观点具有**性，涵盖基本RSS、TOA定位原理与系统、机会定位与混合定位、基本定位算法等以及国际上的新研究成果。强调无线电传播和物理层技术，结合如何将接收到的无线通信信号用于各种无线通信网络中的机会射频定位，全面论述机会定位理论和技术在室内和城市地区定位中的应用。精选适用于课程教学的实践技术资料，体现交叉学科技术领域之间的相互作用，描述重要的定位系统，并且基于基础学科和工程门类进行分类，详细介绍科学工程成功转化的应用案例。突出以创新创业为导向，适用于“多学科”课程和“跨学科”研究，能够在研究项目案例中形成跨学科协作的能力。适合作为教材。内容丰富系统，系统精炼地阐明基本理论、方法，辅以典型的实例分析和相关程序，化繁为简，便于学习和认知。

零基础读者应如何快速入门机器学习？数学基础薄弱的读者应如何理解机器学习中的数学原理？这些正是本书要解决的问题。本书从数学基础知识入手，通过前3章的介绍，帮助读者轻松复习机器学习涉及的数学知识；然后，通过第4-第13章的介绍，逐步讲解机器学习常见算法的相关知识，帮助读者快速入门机器学习；最后，通过第14章的综合实践，帮助读者回顾本书内容，进一步巩固所学知识。《机器学习的数学原理和算法实践》适合对机器学习感兴趣但数学基础比较薄弱的读者学习，也适合作为相关专业的学生入门机器学习的参考用书。

本书详解了Nginx架构、执行流程、模块实现与数据结构，剖析了Nginx源码设计精髓与应用。第1～2章介绍Nginx编译安装、基础架构与设计理念，涵盖源码结构、进程模型等，让读者对Nginx有整体性了解。第3章从内存池、共享内存展开介绍Nginx的内存管理与使用。第4章分析Nginx的数据结构，即字符串、数组、链表、队列、散列、红黑树、基数树的数据结构和算法。第5章详细介绍main配置块、events配置块与http配置块，呈现Nginx配置解析的全过程。第6章完整地介绍了Nginx的 进程管理，涵盖进程模式、master 进程、worker 进程以及进程间通信机制。第7章详细分析HTTP模块及其处理的11个阶段，如模块初始化流程、请求解析、请求响应等。第8章介绍了Upstream机制，涵盖初始化、上下游连接建立、长连接等，着重介绍了FastCGI通信流程。第9章详细介绍Event模块的实现以及Nginx中的惊群处理。第10章介绍Nginx的负载均衡、限流、日志等模块实现。第11章介绍跨平台实现，涵盖编译过程、共享内存等。第12章介绍Nginx的RTMP直播服务实现，着重介绍RTMP包协议与中继模块实现。

【免费获取】配套代码 数据 共读实战营 作者答疑群告别拖延症，14天掌握Embedding（社区领读10天 5个作业 4天实战）获取方式：1、微信关注“华章计算机”2、在后台回复关键词：Embedding 这是一本系统、全面、理论与实践相结合的Embedding技术指南，由资深的AI技术专家和高级数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和推荐。在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、推荐系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。 全书一共16章，分为两个部分：第1部分（第1~9章）Embedding理论知识主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。第二部分（第10 ~16章）Embedding应用实例通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到推荐系统中，如何使用Embedding技术提升NLP模型的性能等。

本书是一本介绍深度学习理论和实战应用的教程，先从数学基础和机器学习基础出发，按照神经网络的技术发展框架由易到难逐步讲解深度学习的理论，然后再通过实践部分，详细解释深度学习的应用案例，让读者既能了解深度学习理论，又能学会使用深度学习框架，实现自己的深度学习模型。主要内容包括深度学习的发展历史、单层感知器、线性神经网络、BP神经网络、深度学习算法卷积神经网络CNN和长短时记忆网络LSTM，以及深度学习算法在图像、自然语言处理和音频信号三个方面的实际应用。其中，案例实战部分使用的深度学习框架为Tensorflow 2/Keras。

无人机算机器人吗？世界上很贵的机器人值多少钱？机器人可以帮助人类做哪些事？机器人可以有公民身份吗？未来会有哪些机器人出现？你手上的这本书，将为你解答这些有趣的问题。色彩亮丽的手绘插图，栩栩如生的各种角色，将以轻松活泼的聊天语言，给你唠叨它们的故事，带你踏上认识大千世界的奇妙之旅，轻松学习百科知识。

《人工智能：计算Agent基础（原书第2版）》特色：优化篇章结构，增加关于机器学习的内容，讨论了与机器学习和Al相关的社会及伦理问题；摒弃先讲关系语言的做法，改为后讲关系方法，更利于知识的呈现和理解；更新代码示例，并增加了一些练习。提出智能体的单一设计空间的概念，从简单的智能体开始，逐步引入十个维度的复杂性，通过模块化方式降低理论学习的难度，并结合自主送货机器人等四个应用实例来展开实践。在宏观层面，搭建了一个连贯的知识框架，利用多维度的设计空间引导读者纵观大局；在细节层面，聚焦于基础技术而非复杂技术，为读者未来的进阶学习及实战打下坚实的基础。

本书首先展示如何在系统上安装和配置Java和DL4J，然后深入讲解了深度学习基础知识，并创建了一个深度神经网络进行二元分类。其次，本书介绍了如何在DL4J中构建卷积神经网络（CNN），以及如何用文本构建数字向量，还介绍了对非监督数据的异常检测，以及如何有效地在分布式系统中建立神经网络。除此之外，讲解了如何从Keras导入模型以及如何在预训练的DL4J模型中更改配置。最Z后，介绍了DL4J中的基准测试并优化神经网络以获得最Z佳结果。 本书适合想要在Java中使用DL4J构建健壮的深度学习应用程序的读者，阅读本书需要具备深度学习基础知识和一定的编程基础。 Copyright©2019PacktPublishing.FirstpublishedintheEnglishlanguageunderthetitle ‘Java DeepLearningCookbook’. 本书简体中文版专有出版权由英国PacktPublishing公司授予中国电力出版社。未经许可，不得以任何方式复制或传播本书的任何部分。专有出版权受法律保护。

人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。