深度学习是人工智能领域无法避开的课题之一，也是比较强大的方法之一。很多从事算法工作或相关工作的人，或多或少都在应用深度学习方法解决相关领域的问题。本书针对深度学习知识做进阶性探讨。通过11章内容，对卷积网络、新型结构、注意力机制、模型压缩、自监督学习、目标检测中的高级技巧、无监督学习、Transformer高级篇，以及图神经网络和元学习进行了深入的探讨，最后对深度学习的未来发展进行了展望。
本书详细介绍了强化学习的理论推导、算法细节。全书共12章，包括强化学习概述、马尔可夫决策过程、退化的强化学习问题、环境已知的强化学习问题、基于价值的强化学习算法、基于策略的强化学习算法、AC型算法、基于模型的强化学习算法等相关知识。本书系统性强、概念清晰，内容简明通俗。除了侧重于理论推导，本书还提供了许多便于读者理解的例子，以及大量被实践证明有效的算法技巧，旨在帮助读者进一步了解强化学习领域的相关知识，提升其现实中的工程能力。本书可作为高等院校数学、计算机、人工智能等相关专业的强化学习教材，但需
本书介绍了深度学习的基本理论、工程实践及其在产业界的部署和应用。在深度学习框架的介绍中，书中结合代码详细讲解了经典的卷积神经网络、循环神经网络和基于自注意力机制的Transformer网络及其变体。还介绍了这些模型在图像分类、目标检测、语义分割、欺诈检测和语音识别等领域的应用。此外，书中还涵盖了深度强化学习和生成对抗网络的前沿进展。在系统工程和产业实践方面，书中解释了如何使用分布式系统训练和部署模型以处理大规模数据。本书系统介绍了构建深度学习推理系统的过程，并结合代码讲解了分布式深度学习推理系统
主要内容● 用进化计算解决复杂的设计和分析问题● 调整深度学习超参数● 将Q-Learning应用于深度学习，从而进行深度强化学习● 优化无监督自编码器的损失函数和网络架构● 创建一个能够参与OpenAI Gym游戏的进化智能体
XGBoost是一种经过行业验证的开源软件库，为快速高效地处理数十亿数据点提供了梯度提升框架。首先，本书在介绍机器学习和XGBoost在scikit-learn中的应用后，逐步深入梯度提升背后的理论知识。读者将学习决策树，并分析在机器学习环境中的装袋技术，同时学习拓展到XGBoost的超参数；并将从零开始构建梯度提升模型，将梯度提升扩展到大数据领域，同时通过计时器的使用了解速度限制。接着，本书重点探讨XGBoost的细节，着重于速度提升和通过数学推导导出参数。通过详细案例研究，读者将练习使用sc
图神经网络不仅能够解决传统机器学习方法无法解决的图数据问题，而且能够应用于许多实际场景，例如社交网络、药物发现、网络安全、金融风控等。《图神经网络基础、模型与应用实战》旨在为初学者和实践者提供一个详细、全面的入门指南，围绕图神经网络基础、模型、应用实战（均采用Python+PyTorch实现）等方面进行介绍。《图神经网络基础、模型与应用实战》配套示例源码、数据集、PPT课件。《图神经网络基础、模型与应用实战》共分9章，内容包括图神经网络概述、PyTorch开发环境搭建、数据集的获取与加载
主要内容● 数据字典和数据治理● 数据质量管控、合规和分发● 构建自动化管道以提高可靠性● 数据摄取、存储和分发● 支持生产环境中的数据建模、分析和机器学习
本书是一本学术研究著作。本书主要分为五章，主要介绍了交互设计的理论基础与应用研究。首先简述了交互设计，包括交互设计的概念、特征原则、交互设计的发展与技术的类型。其次阐述了交互设计的理论基础，有交互设计的心理基础、原理与方法、交互行为与形式。再次论述了创意交互设计的语言，介绍了创意交互设计的本体语言、模式、创意交互体验设计。从次论述了交互系统的设计，如可用性设计、界面设计、原型设计。最后讲述了交互设计在不同领域的应用，主要有交互设计在广告传播、中国传统绘画传播、室内空间设计、绿道景观设计
奇异跳变系统是一类具有广泛形式的动力系统，能有效地描述电力系统、电路系统、社会经济系统等实际系统。本书以时滞奇异跳变系统为研究对象，旨在提出有效的容许性分析与控制器设计方法。本书主要介绍时滞奇异跳变系统容许性分析与状态反馈控制、时滞奇异跳变系统观测器设计与异步反馈控制、时滞奇异跳变系统滤波器设计与故障检测、时滞奇异跳变系统统一框架下的扩展耗散控制、时滞 Ito随机奇异跳变系统容许性分析与控制等内容。
本书的内容共包含八章。第一章分别从学术界、媒体、企业界、政府等多视角介绍人工智能当前火热的现状。第二章介绍了不同人群对人工智能提出的疑问，包括疑问论、怀疑论和恐惧论。第三章主要阐述了人工智能的基本概念，包括来自不同领域的各种不同的观点和看法。第四章提出了作者对人工智能的独特见解，包括人脑智能、人脑基本能力模型、机器智能、智能机器、智能等级模型等多种新概念和新观点。第五章提出广义人工智能和狭义人工智能的概念，将各种不同的人工智能概念统一在一个框架之下。第六章介绍了未来人工智能可能具备的能
新书资讯 新书推荐