深度学习绝非不可窥探的黑箱!深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或资深数据科学家,同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式，为你揭示这些原理，让你在理解和解释自己的工作时更加自信与从容。 《深度学习精粹与PyTorch实践》以浅显易懂的方式揭示了深度学习算法的内部运作机制，即使是机器学习初学者也能轻松理解。本书通过平实的语言解析、详尽的代码注释,以及数十个基于PyTorch框架的实战示例，逐步引导你探索深度学习的核心概念与实用工具。本书避免了复杂的数学公式堆砌，而是采用直观易懂的方式阐述每种神经网络类型的运作逻辑。更令人兴奋的是，书中提供的所有解决方案均可在现有的GPU硬件上顺畅运行! 主要内容 ● 选择正确的深度学习组件 ● 训练和评估
本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。 全书共15章，分为三个部分。 分为机器学习基础：章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者全面了解相关知识；第2~3章介绍机器学习的基础知识。 第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；0章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。 第三部分是进阶模型
![统计学习理论 [美]Vladimi 【正版图书】](http://img3m5.ddimg.cn/89/31/11786542505-1_l.jpg)
《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。
移动机器人自主导航是机器人领域的热点研究内 容。查特吉、莱克舒、辛格编著的这本《基于视觉的 自主机器人导航》首先介绍了基于机器视觉感知机制 的自主移动机器人导航的理论与研究，重点介绍了基 于地图、地图构建以及无地图环境下的基于视觉传感 器的机器人导航算法，并给出了实际应用中基于视觉 的机器人先进导航算法的实现。《基于视觉的自主机 器人导航》详细阐述了实际应用中基于视觉的自主导 航算法以及SLAM问题，提出了利用视觉感知如何实现 子目标驱动的导航概念，提出了利用模糊逻辑进行基 于视觉的机器人路径跟踪概念，以及如何利用基于微 型控制器的传感器系统研制实验室环境下的低成本机 器人。 《基于视觉的自主机器人导航》可作为从事机器 人研究，尤其是移动机器人方面的研究人员的参考书 ，也可作为高等院校自动化、计算
智能优化算法是一类通过模拟某一自然现象或过程而建立起来的优化方法，这类算法包括进化算法、粒子群算法、禁忌搜索、分散搜索、模拟退火、人工免疫系统和蚁群算法等。本书系统地介绍了多目标智能优化算法理论与应用，力图全面地介绍多目标智能优化算法的研究进展。全书共分为8章，主要内容包括：多目标进化算法、多目标粒子群算法、其他多目标智能优化算法、人工神经网络优化、交通与物流系统优化、多目标生产调度和电力系统优化及其他。本书内容取材新颖，覆盖面广，系统深入，注重理论联系实际。本书可作为计算机、自动控制、人工智能、管理科学和工业工程等专业的研究生及高年级本科生，也可作为从事计算智能、生产调度等研究人员和工程技术人员的参考书。
如何应对以人工智能为代表的新一轮科技革命带来的伦理和治理上的挑战？这是一个未被以往任何单个学科的研究所涵盖的问题。相比以往的技术，人工智能的独特之处就在于它的“自主性”。换言之，或由于技术本身的特性、或由于其应用过程中社会赋予了它特定角色，当代人工智能技术已经在深度“参与”人的决策。在这个意义上，人工智能技术与传统的工具意义上的技术有质的区别。正是由于这种对人的决策的深度“参与”，人工智能技术导致了短期和长期的伦理问题。本书系统地讨论了这些问题，在社会如何应对新一轮科技革命和产业变革的问题上有思想资源和分析框架上的性贡献。
如何应对以人工智能为代表的新一轮科技革命带来的伦理和治理上的挑战？这是一个未被以往任何单个学科的研究所涵盖的问题。相比以往的技术，人工智能的独特之处就在于它的“自主性”。换言之，或由于技术本身的特性、或由于其应用过程中社会赋予了它特定角色，当代人工智能技术已经在深度“参与”人的决策。在这个意义上，人工智能技术与传统的工具意义上的技术有质的区别。正是由于这种对人的决策的深度“参与”，人工智能技术导致了短期和长期的伦理问题。本书系统地讨论了这些问题，在社会如何应对新一轮科技革命和产业变革的问题上有思想资源和分析框架上的性贡献。
《群体智能与多Agent系统交叉结合——理论、方法与应用》是作者在人工智能领域中群体智能和多Agent系统研究方向上近几年研究成果的系统总结。在总结目前外该研究方向发展现状的基础上，《群体智能与多Agent系统交叉结合——理论、方法与应用》着重介绍作者在交叉结合群体智能、多Agent系统、多机器人协作等方面取得的研究成果，主要包括：多Agent粒子群优化算法，多Agent粒子群优化算法在电力系统优化中的应用，多Agent粒子群优化算法在控制系统中的应用，基于群体智能的多Agent系统协作模型，基于改进蚁群算法的移动Agent路径规划与避障，基于群体智能的仿真机器人足球比赛策略及应用。《群体智能与多Agent系统交叉结合——理论、方法与应用》算法理论与应用实践并重，不但为相关群体智能和多Agent系统的研究者提供研究方法以资借鉴，而且更重要的是为群
