本书系统地介绍了时滞分布参数神经网络中的重要问题，主要内容包括时滞分布参数神经网络的稳定性、周期解、鲁棒性、无源性、自适应同步控制、自适应学习同步、采样同步控制及反同步等问题。书中所给的分析方法包括代数不等式、线性矩阵不等式、随机分析、自适应控制、采样控制、学习控制方法等。书中的内容来源于作者近几年来的创新性研究成果，

《基于知识工程的多学科设计优化》的主要目标是通过基本概念的全面介绍，使读者深刻理解构成MDO技术基础的优化方法。第2～6章涵盖了这部分内容，熟悉优化方法和优化理论的读者可略读或有选择地阅读这些章节。该书通过3章内容来介绍MDO的核心知识：第7章阐述了解决假设问题的灵敏度分析方法；第8章介绍了当下先进的MDO框架范例；第

全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括"深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。

本书主要介绍如何应用Tensorflow来实现深度学习的架构与应用。全书从tensorflow的基本语法，基础教程、高级工具以及进阶教程来对深度学习的理论与技术进行深入分析与讲解，并提供大量的案例从零开始教会读者如何使用深度学习进行开发以及应用。本书主要介绍如何应用Tensorflow来实现深度学习的架构与应用。全书从

本书分为14章,涵盖的主要内容有人工智能的发展;开发环境的部署与使用;TensorFlow2.0框架结构及基本函数使用;神经网络的发展与基本结构;图像处理;TensorFlow2.0可视化工具TensorBoard;普通神经网络曲线拟合;普通神经网络和卷积神经网络MNIST手写字体识别;图像风格迁移;小型汽车车牌识别;

本教材编写理念先进、重在应用，主要内容包括初探人工智能、认知人工智能的基础支撑、认知人工智能的应用技术、探索人工智能的行业应用四个项目。本教材通过文字、视频、动态图和实训平台等多种形式，立体、多角度地呈现内容，构成一个教与学的互动系统，让学习资源交互、联动起来。本教材可作为职业院校计算机公共课、信息技术公共基础课程的教

身处AI（人工智能）世界，人类所有生活领域都面临着一场巨大变革。人工智能的未来发展将走向何处？我们必须对什么情况做好心理准备？什么是与现实无关的、仅仅被渲染突出的幻境？智能机器在多大程度上构成一种威胁？将来我们与智能机器还有什么区别？本书的每个章节都以一幕科幻剧作为开场，巧妙地回答了人类对无处不在的AI世界中，有关宇宙

本书主要介绍人工智能的发展历史、技术和应用，内容主要包括知识图谱、搜索技术、智能优化算法、机器学习、人工神经网络、深度学习、人工智能应用（人脸识别、语音识别、自然语言处理、机器人等）、人工智能工具、人工智能伦理等。本书的特色是通过案例为主线，提出关键问题，以解决问题为导向，介绍人工智能领域的相关概念、理论、技术和应用，

本书可视为一本以问题为导向的书籍,非常适合具备一定数据基础和Python基础的读者学习,作为一本数据科学的基础书籍,读者可以在短时间内学习数据科学的经典算法。主要阐述python3基础内容；常用模块进行扼要阐述和实例操作；常见统计量,数据转换,以及多维数组等内容,并通过代码实现；特色是以问题导向的方式阐述了常见的12种

人工智能及其应用（第6版）