本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分：第一部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法；第二部分是Python机器学习

本书主要研究了状态相关的脉冲对（切换）神经网络稳定性的影响，以及利用脉冲免疫（脉冲解毒）怎么控制网络病毒的传播，是作者近年来的研究成果。 本书首先介绍了状态相关的脉冲（切换）系统、神经网络模型、计算机病毒传播模型，然后运用B-equivalence方法、Lyapunov函数和一些分析技巧研究了几类状态相关的脉冲（切换

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介

本书系统介绍了机器学习常用算法及其应用，在深入分析算法原理的基础上，结合当前热门应用场景，向读者展现了机器学习算法的综合应用，带领读者进入机器学习领域，开启人工智能行业的大门。全书共21章，分为3部分。第1部分介绍机器学习基础算法，包括线性回归、多项式回归、逻辑回归、k-NN、决策树、k-Means、SVM、随机森林、

本书是人工智能专业最基础最全面的高校教材，作者陆汝钤院士系中国科学院数学与系统科学研究院数学研究所研究员。在知识工程和基于知识的软件工程方面做了系统的、创造性的工作，是我国该领域研究的开拓者之一。倡导并主持完成了以软件的机械化生成和移植为目标的系列软件计划（XR计划），推动了当时国产机软件缺乏问题的解决。本书首次把异构

本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络多层感知

机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。本书共6章。第1章节主要介绍机器学习的基本概念及其

本书分为两部分：控制理论基础知识和控制理论基础实验。 控制理论基础知识部分主要介绍自动控制概述、控制系统的数学模型、控制系统的时域分析法、控制系统的频域分析法和控制系统的校正等内容。另外，每章均配有例题和习题，便于读者自学和练习。 控制理论基础实验部分主要介绍典型二阶系统阶跃响应实验、控制系统性能分析实验、控制系统数字

人工智能是一项高科技技术，也是计算机技术的一个重要分支，此技术是以人工的方法，对人类的行动和思维进行模仿，同时在人的智能基础上进行拓展。人工智能应用面比较广泛，可代替人类进行各个方面的工作，可以说大大提高了人类在日常生活工作中的效率。但人工智能具有两面性，对人类有好的一面也有不好的一面。因此，本书将结合人工智能技术的发

本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超