本书第一章介绍了脉冲神经网络的背景，第二章介绍了脉冲神经网络的基本概念及工作原理，第三章介绍了脉冲神经网络的学习算法等，第四章介绍了多款典型的边缘端类脑计算神经形态芯片设计，包括所用的脉冲网络哟拓扑结构、片上学习算法、硬件架构和关键模块电路设计，第五章总结了类脑芯片的应用前景，目前存在的问题以及结论。

"本书结合典型机械系统控制的实例，系统地介绍了神经网络控制的基本理论、基本方法和应用技术。本书是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。
全书共分16章，包括绪论、RBF神经网络的设计与仿真、基于梯度下降法的RBF神经网络控制、自适应RBF神经网络控制、RBF神经网络滑模控制、基于模型整体逼近的自适应RBF控制、基于局部逼近的自适应RBF控制、基于RBF神经网络的动态面自适应控制、数字RBF神经网络控制、离散神经网络控制、自适应RBF观测器设计

本书以DeepSeek大模型的应用为主题，通过漫画的形式展现了DeepSeek大模型在思维养成、课程辅导、艺术设计等领域的创新应用，回顾并展望了DeepSeek大模型的产生历程和发展方向。
本书共5章，以陪伴型智能机器人“艾芝士”与人类小朋友源源之间生动有趣的对话展开知识讲解。第1章带领读者回顾DeepSeek大模型的诞生经过及AI大模型的发展历程。第2章聚焦AI时代的学习法则，探讨如何使用DeepSeek大模型建立新型学习思维方式，规划职业方向。第3章展示DeepSeek大模型如何助力

* 从人工智能概念，到互动方式、出行方式、艺术创作、未来职业规划等方面，介绍人工智能需要了解的核心知识
通过生动有趣的故事和实例，了解聊天机器人、虚拟数字人、AI创作等人工智能工作原理和应用场景，探索人工智能对人们生活和社会的影响和价值
* 一本书快速了解人工智能

本书将带你深入探索AI神器DeepSeek的无限潜能，带你从零开始，轻松掌握AI的核心应用。
通过学习本书，你将轻松上手DeepSeek，开启智能生活新篇章；通过学习本书，你将学会用DeepSeek大幅提升工作效率；通过学习本书，你将学会如何让DeepSeek成为你的职场超级助手；通过学习本书，你将学会如何利用DeepSeek激发自己的创作灵感，打造爆款内容和个人品牌；通过学习本书，你将学会利用DeepSeek解决各种专业难题。
无论你是职场精英、创业者，还是自由职业者

内容简介对于我们每个普通人而言，核心的AI能力不是写作不是绘画，也不是编码，而是AI Agent设计！这是一本能帮助每个人轻松构建从提示词编写到AI Agent设计完整知识体系的实战指南，由LangGPT社区的的创始人等几位国内提示词编写和AI Agent设计领域的领军人物撰写，得到了硅基流动创始人袁进辉、润米咨询创始人刘润、通往AGI之路创始人AJ等众多行业专家的高度评价。设计AI Agent，提示词是关键。本书首先详细介绍了提示词的原理、编写提示词常用的6种方法，以及被奉为圭臬的结构化

本书系统阐述了DeepSeek大模型架构、部署及应用实战的相关内容。书中从人工智能和大模型的基础理论出发，深入剖析了DeepSeek的底层技术，如Transformer架构、混合专家、动态任务分配、稀疏激活及归一化等关键技术，详细介绍了模型训练、优化和推理的前沿方法。书中不仅展示了DeepSeek在多模态模型和推理系统中的技术优势，还提供了丰富的实战案例，涵盖了从本地部署到云端应用，再到与办公软件、开发工具和Web交互系统的无缝集成。通过理论解析与实践演示，读者将获得从模型设计到实际应

本书对机器学习中的投影学习算法进行系统的理论分析与应用探讨，内容包括描述型投影学习和鉴别型投影学习之正投影和斜投影学习准则、一般形式、增量学习和稀疏化算法，以及这些算法在信号分析处理、模式识别等领域中的典型应用等。

机器学习的主要目的是从有限的数据中学习到知识。而知识的基本单元是概念。借助于概念，人类可以在繁复的思想与多彩的世界之间建立起映射，指认各种对象，发现各种规律，表达各种想法，交流各种观念。一旦缺失相应的概念，人们将无法思考、交流，甚至于无法顺利地生活、学习、工作、医疗、娱乐等。哲学家如卡西尔等甚至认为人类的本质特性是能够使用和创造各种符号概念。因此，如何使机器能够像人一样能够自动发现、运用概念，正是机器学习当前的重要研究内容。本书将集中讨论这个问题。本书借助学于认知科学的研究成果，提出了类的

本书采用独特的一问一答式风格，探讨了当今机器学习和人工智能领域中最重要的30 个问题，旨在帮助读者了解最新的技术进展。全书共分为五个部分：神经网络与深度学习、计算机视觉、自然语言处理、生产与部署、预测性能与模型评测。每一章都围绕一个问题展开，不仅针对问题做出了相应的解释，并配有若干图表，还给出了练习供读者检验自身是否已理解所学内容。

本书适合机器学习初学者以及相关从业者和研究人员阅读。