MATLAB为机器学习领域提供了必要的工具。用户可以借助MATLAB环境提供的强大交互式图形界面，非常轻松地解决机器学习问题。本书在介绍每个主题前，会简要概述其理论基础，然后辅以实际案例进行阐释。通过阅读本书，读者能够应用机器学习方法，并能充分利用MATLAB的功能解决实际问题。《MATLAB机器学习》前3章主要介绍MATLAB机器学习的基础知识、使用MATLAB导入数据和组织数据的方法以及从数据到知识发掘的方法，中间3章主要介绍回归分析、分类分析以及无监督学习，最后3章介绍人工神经网络、降维变换的方法以及机器学习实战的相关知识。本书可供数据分析员、数据科学家以及任何希望学习机器学习算法以及构建数据处理、预测应用的读者阅读。

谷歌和NASA联手宣布“快1亿倍”的计算机是怎样诞生、如何运行的？ 量子计算机有望推动人工智能等多个领域的飞跃性发展，为何却会遭到质疑？ 追求“量子霸权”的角逐中，谁迈出了ling跑的第一步，谁又能从哪些方面弯道超车？ 加拿大D-Wave公司研发的量子计算机虽然从问世之初便饱受质疑，但仍旧赢得了洛克希德·马丁公司、谷歌及NASA等客户，并在全球范围内引发了量子计算机研发的更大热潮。D-Wave量子计算机虽然诞生在北美，但其采用的量子退火理论和基本技术都是由日本科学家率先提出的。 西森秀稔教授正是量子退火理论的提出者之一，他与本书另一位作者大关真之副教授一直在量子计算领域的第一线从事研究，他们用尽可能简单而精准的语言，为普通读者拨开纷繁的迷雾，介绍关于量子计算机最核心的真实信息。

本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。 全书共15章，分为三个部分。 ·第一部分为机器学习基础：第1章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者全面了解相关知识；第2~3章介绍机器学习的基础知识。 ·第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；第10章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。 ·第三部分是进阶模型：第11章介绍概率图模型的基本概念，为后面的章节进行铺垫；第12章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络；第13章介绍深度生成模型，包括变分自编码器和生成对抗网络；第14章介绍深度强化学习；第15章介绍应用十分广泛的序列生成模型。 本书可作为高等院校人工智能、计算机、自动化、电子和通信等相关专业的研究生或本科生教材，也可供相关领域的研究人员和工程技术人员参考。 本书还配备了教学PPT、编程练习以及课后习题的讨论， 获取方式： 1.微信关注“华章计算机”（微信号：hzbook_jsj） 2.在后台回复关键词：蒲公英书

本书首先着重于行为树（BehaviorTrees，BTS）的语义和设计原则，效率、安全性和稳健性分析，以及学习和任务规划等的复杂的主题，并提供实践例子，从简单的插图到现实的复杂行为，使读者能够成功地将理论与实践结合起来。

“智识书系”之《人类未来》是一本立足科学、思考人类现状与未来的科普读物。第一章分析了当下地球的一些潜在危机，包括能源、核威胁、气候变化等；第二章以当下科技发展为根据，预言生物技术、网络技术、人工智能等将对人类未来产生的改变及风险；第三章从地球和人类转向更宏大的宇宙，探讨太空飞行、外星智慧等天文、宇宙方面的远景；第四章来到科学的边界，以科学视野重新看待分析地球与人类的现状和发展本质；第五章回到人类，试图提供人类靠自身改变未来的可行途径和方式。本书适合对科学、尤其是天文学、物理学感兴趣，并对未来存有思考和遐想的读者。

本文围绕基于学习的自适应控制。首先，重点介绍一些重要的数学工具；然后重点阐述本书的重点内容：基于模型的或经典的自适应控制、无模型自适应控制和自适应控制的学习；第三章着重基于极值搜索的迭代反馈增益，给出机电一体化的应用实例；第4章介绍多参数的极值搜索控制算法自动调整反馈增益，给出强大的非线性控制器加模型学习算法；第5章是基于极值搜索的间接自适应控制，给出两个不同的MES算法，*后两章重点介绍极值搜索为基础的非线性系统参数辨识算法和求极值的迭代学习模型预测控制。

本书详细讲述了人工智能大潮中企业如何生存和发展，帮助企业看清人工智能，抓住生产力变革机遇，进行人工智能技术布局。首先，从商业应用角度介绍了人工智能的缘起和企业怎么认识人工智能，避开了艰辛的数学公式和繁多的技术细节，聚焦于人工智能在企业实际场景中的应用价值、优劣势以及未来趋势；然后，通过详尽的人工智能商业场景实例，展示了人工智能的商业模式，其如何融入企业生产，在各个环节发挥作用？是变革技术开拓新市场？还是替换现有生产方式？或者优化现有方法提升生产效率？最后，总结了人工智能应用场景落地的经验，介绍了从企业战略层面，如何切入并逐步开展人工智能落地，如何培养人才构建环境，从而提升企业核心竞争力。如果您对人工智能感兴趣，想尝试新技术提升自己或企业的核心竞争力；或者您是人工智能算法专家，想要找到适合落地的商业解决方案，那么本书不容错过。

强化学习是一类重要的机器学习方法，在很多领域得到了成功的应用，*近几年与深度学习结合起来，进一步推动了人工智能的发展？本书首先介绍了强化学习的基本原理，然后介绍典型的强化学习算法，包括时序差分？ SARSA？ Q-Learning？ DeepQ-network？ Double DQN？竞争网络结构？ Rainbow？ Actor-Critic？ A2C？ A3C？ TRPO和PPO等，每种算法基本上利用了主流的开源机器学习框架TensorFlow，使用Python编程进行实现？此外，还介绍了一些上述算法的应用？本书可以使读者快速理解强化学习的基本知识，并通过简单的案例加深对算法的理解？本书适合对强化学习感兴趣的普通高校师生以及相关专业人员阅读？Copyright ？ Packt Publishing 2018First published in the English language under the title “Deep Learning with TensorFlow-SecondEdition- （ 9781788831109）”Copyright in the Chinese language（ simplified characters） ？ 2020 China Machine PreesThis title is published in China by China Machine Press with license from Packt Publishing Ltd.This edition is authorized for sale in China only ， excluding Hong Kong SAR. Macao SAR and Taiwan.Unauthorized export of this edition is a violation of the Copyright Act. Violation of this Law is subjectto Civil and Criminal Penalties.

本书重点在帮你掌握深度学习所要求的数学原理和编程实战经验，使你能快速使用TensorFlow轻松部署产品中的深度学习解决方案，并形成开发深度学习架构和解决方案时所需的数学理解和直觉。 本书提供了丰富的理论和实战动手经验，使你可以从零开始掌握深度学习，并能快速部署有价值的深度学习解决方案。本书重点讲解了与多个行业相关的深度学习实践方面的专业知识。通过这些实战经验，你将能够使用原型来构建新的深度学习应用程序。本书适合谁 正在研究深度学习解决方案以解决复杂业务问题的数据科学家和机器学习专业人员。 通过TensorFlow开发深度学习解决方案的软件开发人员。 渴望不断学习的师生和人工智能爱好者。

《GO语言机器学习实战》主要介绍了如何在Go语言中部署程序从而实现机器学习算法。主要内容包括：利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外，本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适合于具体项目的机器学习算法。