强化学习是机器学习的重要组成部分。本书采用理论与实践相结合的写法，从强化学习的基本概念开始，详细介绍了强化学习的算法理论和实践操作，配有Python代码实现，完整呈现强化学习算法的实践细节。通过这本书你将会：（1）理解强化学习最关键方面的问题。（2）探索马尔可夫决策过程及动态规划的过程。（3）深入理解强化学习的各种方法

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

本书从人工智能数学建模入手,全面介绍人工智能应用中涉及的数学基础知识,主要包括微积分学初步、线性代数、概率论与数理统计、最优化理论、随机过程、插值与回归,重点介绍基本概念、基本原理及计算,其中涉及的计算大部分由Python实现。同时,本书理论与实践相结合,结合具体案例,介绍如何运用这些数学基础知识来实现人工智能应用中的

《人工智能基础项目教程》采用项目教程的编排方式，实现了基于工作过程、项目教学的理念。本书共由8个项目组成：人工智能概论、人工智能数据预处理、云计算下的人工智能、人工智能基础知识、人工智能技术在交通系统中的应用、人工智能编程入门、人工智能框架技术、人工智能的行业应用。本书内容丰富，结构清晰，通过具体的实例对人工智能的概念

2017年，国务院印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，机器学习作为人工智能技术的内核，走入我国广大中小学生的课堂是科技发展的必然选择。《BR》本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框

本书兼顾机器学习基础、经典方法和深度学习方法,对组成机器学习的基础知识和基本算法进行了比较细致的介绍,对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等算法都给出了深入的分析并讨论了无监督学习的基本方法,对深度学习和强化学习进行了全面的叙述,比较深入地讨论了反向传播算法、多层感知机、C

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

本书本着培养高职学生的人工智能基本素养、人工智能思维和人工智能应用实践能力的目标，内容选取符合高职学生的特点，强调人工智能的通识性、典型性和实用性，具有可操作性。本书选取了涵盖人工智能领域的多个典型案例，采用项目化模式构建教学案例，突出实践。每个案例由循序渐进的递进式任务组成，支持课堂分层次教学实施。全书共分7章，主要

本书在归纳分析国内外关于多智能体系统分布式优化控制算法的基础上，研究了针对外部干扰、系统未建模动态、系统状态受限、固定时间内系统稳定等具体需求的高阶非线性多智能体系统的分布式控制器设计。主要内容包括：设计基于神经网络的自适应控制算法，利用神经网络的万能逼近能力对系统内的未建模动态进行估计，并通过设计神经网络自适应律和自

本书围绕应用环境中实际问题的求解过程来阐述和讲解程序设计思想方法和相关技术知识,向学生展示如何设计和选择合适的数据结构来表示实际问题中的处理对象,如何把一个实际问题转化成一个程序可计算的逻辑模型,以及如何考虑程序运行的效率来满足问题求解对时间的要求等。