暂缺简介...

暂缺简介...

本书内容由大量的MATLAB计算实例组成。全书共分11章，第1章介绍MATLAB基础知识，第2章介绍多项式处理，第3章介绍MATLAB绘图，第4章介绍复数运算，第5章介绍矩阵计算，第6章介绍解多元一次线性方程组，第7章介绍解一元N次方程（上），第8章介绍解一元N次方程（下），第9章介绍方程及非线性方程，第10章介绍用图像法解实系数一元N次方程，第11章介绍用图像法解实系数N元一次方程组。 本书适合四类读者阅读或参考： 一是学习MATLAB课程的理工科大、中专及高等职业学校、中等职业学校的在校学生； 二是广大工程技术、科研人员； 三是数学爱好者； 四是从事文秘工作的人员。 本书通俗易懂，图文并茂，资料丰富，实用性强，既适合初学者，也适合有一定MATLAB基础的爱好者及专业技术人员。

本书是在作者已经编写出版的《无人驾驶车辆理论与设计》本科生教材的基础上，考虑深度学习、强化学习等人工智能技术以及智能网联技术在智能车辆新发展，同时结合研究生层次的培养特点编写而成的。全书共8章，包括智能车辆与人工智能概述；智能车辆视觉技术；深度学习与目标检测；智能网联技术；智能车辆行为决策与类人驾驶；智能车辆路径规划与运动规划；智能车辆模型预测控制方法；以及基于ROS+V-REP的智能车辆测试方法和考虑驾乘人员主观感受的智能车辆主客观评价方法。

粒计算是一种模拟人类解决复杂问题的理论方法，是人工智能研究领域的一个重要分支。本书从覆盖的角度基于粗糙集理论对粒计算理论方法进行系统的总结和归纳，具体内容包括：研究覆盖近似空间中概念近似的各种方法，并给出这些近似方法的主要特点；研究基于覆盖的知识表示的知识粒度层次关系，从定性比较和量化度量两个方面进行分析；研究多粒度覆盖近似空间中概念的描述方法，并给出不同方法所构成的格结构；基于覆盖粒计算理论研究知识获取的方法。

本书是“十二五”普通高等教育本科国家级规划教材和北京高等教育精品教材。 全书包括8章和附录，主要内容包括：人工智能概述，确定性知识系统，不确定性知识系统，智能搜索技术，机器学习，人工神经网络与连接学习，分布智能，智能应用简介。附录A是新一代人工智能简介。本书为任课教师免费提供电子课件。 本书可以作为高等院校计算机类各专业及相关专业的相关课程的教材。

深度学习已经成为人工智能炙手可热的技术，PyTorch是一个较新的、容易上手的深度学习开源框架，目前已得到广泛应用。《深度学习框架PyTorch快速开发与实战》从PyTorch框架结构出发，通过案例主要介绍了线性回归、逻辑回归、前馈神经网络、卷积神经网络、循环神经网络、自编码模型、以及生成对抗网络。《深度学习框架PyTorch快速开发与实战》作为深度学习的入门教材，省略了大量的数学模型推导，适合深度学习初学者，人工智能领域的从业者，以及深度学习感兴趣的人阅读。

人工智能领域正在以超乎人们想象的速度发展，本书赶在人工智能彻底占领世界之前完成编写，实属万幸。书中收录了超过100道机器学习算法工程师的面试题目和解答，其中大部分源于Hulu算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发，不仅囊括了机器学习的基本知识，而且还包含了成为出众算法工程师的相关技能，更重要的是凝聚了笔者对人工智能领域的一颗热忱之心，旨在培养读者发现问题、解决问题、扩展问题的能力，建立对机器学习的热爱，共绘人工智能世界的宏伟蓝图。 “不积跬步，无以至千里”，本书将从特征工程、模型评估、降维等经典机器学习领域出发，构建一个算法工程师必-备的知识体系；见神经网络、强化学习、生成对抗网络等新科研进展之微，知深度学习领域胜败兴衰之著；“博观而约取，厚积而薄发”，在末一章为读者展示生活中各种yin领时代的人工智能应用。

人工智能技术正以一种超快的速度深刻地改变着我们的生活，引导了第四次工业革命。美团作为国内O2O领域领 先的服务平台，结合自身的业务场景和数据，积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域，相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、计算广告、深度学习以及算法工程6大部分内容，全面介绍了美团在多个重要方面对机器学习的应用。本书非常适合有一定机器学习基础的工程技术人员和在校大学生学习和阅读。通过本书，有经验的算法工程师可以了解美团在这方面的做法，在校大学生可以学习机器学习算法如何在具体的业务场景中落地。

本书由Keras之父、现任Google人工智能研究员的弗朗索瓦？肖莱（Franc.ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。