本书针对深度学习及开源框架——PyTorch，采用简明的语言进行知识的讲解，注重实战。全书分为4篇，共19章。深度学习基础篇（第1章~第6章）包括PyTorch简介与安装、机器学习基础与线性回归、张量与数据类型、分类问题与多层感知器、多层感知器模型与模型训练、梯度下降法、反向传播算法与内置优化器。计算机视觉篇（第7章~

随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。 本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动

本书通过扎实、详细的内容和清晰的结构，从算法理论、算法源码、实验结果等方面对深度学习算法进行分析和介绍。本书共三篇，第一篇主要介绍深度学习在计算机视觉方向的一些卷积神经网络，从基础骨干网络、轻量级CNN、模型架构搜索3个方向展开，介绍计算机视觉方向的里程碑算法；第二篇主要介绍深度学习在自然语言处理方向的重要突破，包括基

全书可分为五大部分，阐述了分布式人工智能的基础知识以及相关进展，包括分布式人工智能简介、分布式规划与优化、多智能体博弈、多智能体学习和分布式人工智能应用。除此之外，由于本领域尚处于蓬勃发展阶段，相关技术与应用层出不穷，因此书中还提供了研究者对于分布式人工智能发展的相关预测，主要集中在：第一，更复杂和更大规模的分布式人工

本书主要针对控制理论的一些重要分支，分析了当前存在的瓶颈问题，展望了其发展趋势和面临的一系列挑战。全书共分为17章，分别为：优化控制研究的概述与关键问题分析、逻辑控制系统中的未解问题、系统与控制中优化理论与应用的挑战与瓶颈、分布参数系统控制、数据驱动控制系统、自抗扰控制中的若干未解问题、非线性控制的几个瓶颈问题、时间与

本书在理解算法如何工作和如何更好地调整模型之间架起一座桥梁。本书将帮助你掌握开发主要机器学习模型的技能，包括监督和无监督学习（其中包括线性/对率回归）、决策树、随机森林、梯度提升机（GBM）、神经网络、k均值聚类、主成分分析和推荐系统。你将通过应用于文本挖掘的CNN、RNN和Word2vec接触到*新的深度学习，并学习

本书着重介绍人工智能基础知识，构建人工智能通识体系，覆盖人工智能典型应用领域。在基本知识体系的基础上，对人工智能的算法进行定性介绍，同时辅以丰富的人工智能行业典型应用案例。本书分为两篇，包含10章。基础知识篇围绕人工智能基础知识体系，主要介绍了人工智能概念与发展，人工智能生态及体系框架，以及人工智能感知技术，如计算机视

深度学习和自然计算是人工智能领域中的热点研究方向。通过研究分析、模拟人脑的认知机理以及自然系统的智能行为和机制，构造相应的学习模型与优化算法，利用先进的计算工具实现高效的计算智能方法，并用于解决实际工程问题是人工智能研究的重要途径。本书共分11章，主要介绍人工智能、神经网络基础、卷积神经网络、循环神经网络、生成对抗网络

本书基于TensorFlow.NET框架，详细介绍了.NET平台下深度学习的基础原理和应用技术，不仅阐述了算法原理，还演示了实践代码和运行效果，其中完整示例主要采用的语言为C#和F#。全书分为3个部分：第一部分介绍了核心API的用法和基础示例，包括数据类型、张量、EagerMode、自动求导、线性回归、逻辑回归、tf.

人工智能正在以前所未有的速度发展，其广泛地应用于汽车、医疗、交通、制造、金融等多个领域。通常“人工智能”一词往往与人机交互系统相联系，进而突出其应用性，表现为“机器学习”和“问题解决”等。现如今人工智能不再是人的延伸，而是可以自我演进的，是相对独立的。这就决定了人工智能发展面临着巨大的挑战，不仅是技术层面的诸多挑战，还