Josh Starmer博士在YouTube的账号 StatQuest 视频总观看量突破7000万次（2024年11月统计的数据），他帮助全世界各行各业的人赢得数据科学竞赛、通过考试、顺利毕业、成功求职或实现晋升，因此被大家誉为 硅谷的守护神 。他那独特的图文表达形式和幽默的语言风格深受观众喜爱，这本《StatQuest图解机器学习》结合了他创新的视觉呈现方式，深入浅出地阐释了机器学习的基础和高阶知识，是一本轻松理解机器学习的 漫画书 。本书前3章着重介绍了机器学习的整体框架和核心思想，自第4四章起，逐一探讨了各种机器学习算法：从基础的线性回归（第4章）和逻辑回归（第6章）到朴素贝叶斯（第7章）和决策树（第10章），最后介绍了支持向量机（第11章）和神经网络（第12章）。随着读者学习的深入，第5章、第8章和第9章分别介绍了机器学习的进阶知识和实用技巧，如梯度下
本书系统地讲解了大模型技术、训练算法（包括强化学习、RLHF、GRPO、DPO、SFT与CoT蒸馏等）、 微调与对齐、效果优化及其实践。全书以大语言模型（LLM）为主线，绝大部分内容也适用于多模态大模型（VLM 和MLLM）。本书面向AI算法与工程领域的从业者、相关专业的学生，以及希望深入了解大模型技术、拥抱AI与大模型浪潮的跨行业读者。
这是一部从技术原理、行业应用、商业价值、投资创业、发展趋势5个维度讲解AI Agent的著作，具有科普书和商业书的双重属性。 本书首先详细介绍了AI Agent的技术路径及其在11大领域的应用，丰富的应用案例可以帮助读者深度理解AI Agent产品形态与服务方式；然后深入探讨了AI Agent的商业价值与商业生态，并对AI Agent的企业级应用和投资创业做了很多思考与总结，能够带给读者应用与创业方面的启发。本书将技术、应用及商业理念融会贯通，理论性与实用性兼具，是一本适合业内外人士快速了解AI Agent、提升行业认知的综合指南，得到了很多行业人士、专家及创业者的一致好评。 全书共15章，分为四个部分： 第一部分（第1~3章） 技术认知 首先，介绍AI Agent的概念、特征、定义、发展历程、分类方式，以帮助读者全面认知AI Agent；然后，介绍AI Agent核心技术，展示其技
本书在状态空间理论的统一框架下系统深人地介绍了预测控制的滚动优化原理、算法和闭环性能。首先通过本科生熟悉的状态空间模型建立起预测控制从原理到算法和性能分析的每一个细节。然后，介绍了阶跃响应模型和脉冲响应模型的状态空间描述，给出了与传统卷积描述的一致性。据此，遵循预测控制的三个步骤“预测系统未来动态-求解优化问题-解的第一个元素作用于系统”和“滚动时域、重复进行”机制推导了无约束的动态矩阵控制(DMC)和模型算法控制(MAC)，分析了闭环性能，给出了闭环稳定性的分离原理。然后，依次讨论了时滞预测控制、约束预测控制、非线性预测控制，以及稳定性和鲁棒性研究的最新进展。最后，介绍了基于滚动优化原理的滚动时域估计和基于现场可编程门阵列(FPGA)的预测控制器实现技术。
机器学习是计算机科学的重要分支领域.本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面.全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索.本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.
大脑如何产生新想法？思维如何产生，又是如何运作的？意识缘何形成？什么是情感、感觉、想法？如果将人类大脑看成一台机器，那么这是否有益于我们设计出能够像人一样能理解、会思考的高级人工智能 情感机器？ 情感是人类特有的一种思维方式，如果机器具备了情感，是不是就可以取代人类？ 在《情感机器》中，人工智能之父马文 明斯基有力地论证了：情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理,而有时又会转向情感的奥秘。通过对人类思维方式建模,他为我们剖析了人类思维的本质，为大众提供了一幅创建能理解、会思考、具备人类意识、常识性思考能力，乃至自我观念的情感机器的路线图。
本书从机械臂的拟人化操作机理、运动规划与任务规划、技巧迁移方法及双臂协调操作等方面系统性地阐述了机器人拟人化操作的机器学习理论与关键技术，主要内容包括：基于人臂三角形的拟人化操作基础，拟人化操作运动学，拟人化操作的运动规划与任务规划方法，基于全局避障地图的拟人臂避障方法，基于肌肉疲劳的拟人化评价指标，以及人与机器人和机器人与机器人之间的同构、异构技巧迁移方法等相关理论和实验研究。
本书旨在系统介绍人工智能与机器人研究领域的相关基础理论，同时展示国内外最新的研究成果，全书分为人工智能基础与智能机器人两大部分，共17章。第一部分主要介绍人工智能的基本概念、知识工程、确定性推理、不确定性推理、搜索技术、人工神经网络、机器学习、进化计算与群体智能、分布式人工智能等内容。第二部分主要介绍智能机器人的定义和研究领域、机器人感知、机器人定位与建图、机器人导航、机器人路径规划、多机器人系统、生物启发式方法在机器人中的应用、智能机器人设计与开发等内容。
本书主要是作者在脑-机接口(brain-computerinterface，BCI)或脑-机器人交互(brain-robotinteraction，BRI)方面的多年研究成果。该书详细地介绍BRI系统常用的脑信号产生机理和应用方法，全面地阐述以Cerobot为基本框架的非“侵入”式BRI系统结构，其中包括信号采集与处理、软件接口与混合编程、硬件设计与搭建等，并针对不同的脑电模式和机器人提供丰富的大脑与机器人交互的案例。
如何更好地将自然人机交互技术应用到具体领域是目前的热点研究问题。本书对人机交互技术及应用进行较为全面的介绍，内容包括：人机交互技术发展历史与研究方法，人机交互系统的评估方法，自然人机交互关键技术，即多点触控技术、手势交互技术、人体动作识别技术、裸眼3D技术、移动增强现实技术，以及人机交互在数据可视化中的应用。本书的主要内容源于作者的研究工作，部分内容取材于参考文献。
多机器人系统是当前机器人技术领域的一个研究热点，具有多学科交叉融合的显著特点。本书以多机器人系统为研究背景，结合多智能体系统的体系结构以及协调与合作技术，针对多机器人系统中的信息融合，对多机器人协调中的任务分配与规划、对抗环境下的多机器人协调等问题进行了深入研究，为提高多机器人系统的信息融合与协调的技术水平、促进相关技术的发展提供了新的思路与理论依据。
内容简介： 智能可穿戴设备已经成为一个新兴的产业，是全球关注的焦点。本书全面分析了国内外的产业发展形势、技术发展概况以及从事该行业的产业链布局，提出了产业发展建议。 本书可供机械、电子、信息、制造等行业的科技人员参考，也可供热心关注智能可穿戴领域发展的人士，尤其是当前全国正在开展智能可穿戴设备研究生产的单位参阅。
本书系统地介绍了机械手为主的优选控制器的设计和分析方法，是作者多年从事机器人控制系统教学和科研工作的结晶，同时融入了靠前外同行近年来所取得的近期新成果。本书是在原有《机器人控制系统的设计与MATLAB仿真》基础上撰写而成的。全书分为上下两册，作为下册，本册以电机、机械手、倒立摆、移动机器人和四旋翼飞行器为对象，共分13章，包括控制系统输出受限控制、控制输入受限控制、基于轨迹规划的机械手控制、机械手模糊自适应反演控制、机械手迭代学习控制、柔性机械手反演及动态面控制、柔性机械臂分布式参数边界控制、移动机器人的轨迹跟踪控制、移动机器人双环轨迹跟踪控制、四旋翼飞行器轨迹控制、基于LMI的控制系统设计、基于线性矩阵不等式的倒立摆T-S模糊控制和执行器容错控制。每种控制方法都给出了算法推导、实例分析和相
本书介绍广泛应用的人工智能技术 模式识别及其应用的*进展，收集了世界一流的模式识别、人工智能和生物特征识别技术领域专家编写的31章内容，涵盖模式识别与机器智能、计算机视觉与图像处理、人脸识别与取证、生物特征身份验证等多方面结合的研究。其应用跨越多个领域，从工程、科学研究和实验，到生物医学和医学诊断，再到身份认证和国土安全。此外，《本书还介绍了人类行为的计算机建模和仿真。 本书是计算机与信息类以及通信与控制类专业研究生和相关研究人员的参考书。 P0trckS.P.Wang（王申培）美国东北大学教授，上海华东师大紫江学者，台湾科技大学客座教授。
本书阐述了社会机器学习的概念，系统总结了机器学习、社会计算等相关理论与方法并将两者有机融合，将大数据分析、深度机器学习、复杂网络分析等*的理论和方法应用到社会计算中，重点研究和解决了社会机器学习中的聚类学习、关联学习、角色学习、行为学习、弱项学习和异常学习等问题，针对每类研究问题分别从"问题-概念-模型-算法-实验"进行系统研究，提出了许多创新的理论、技术和方法，针对实际问题给出解决思路和实验验证，具有重要的理论创新和应用创新，是作者多年工作和实践的总结，对从事该领域的相关研究者具有重要的借鉴意义。
安德里亚斯·穆勒、莎拉·吉多著的《Python机器学习基础教程》是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中 常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的 方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。 本书适合机器学习从业者或有志成为机器学习从业者的人阅读。
戴建生编著的这本《机构学与机器人学的几何基础与旋量代数》起始于直线几何与线性代数，自然过渡到旋量代数与有限位移旋量，紧密联系李群、李代数、对偶数、Hamilton四元数、Clifford对偶四元数等现代数学基础，首次全面、深入地阐述旋量代数在向量空间与射影几何理论下的演变与推理，提出旋量代数与李代数、四元数代数以及有限位移旋量与李群之间的关联理论，展现出旋量理论与经典数学以及现代数学的内在关联，总结提炼出许多论证严密、意义明确的引理、定理与推论，由此阐述*篇 几何基础、旋量代数与李群、李代数 ，给出机构学与机器人学的几何基础与数学理论。 在第二篇 旋量系理论及机构约束与自由运动 中，运用集合论与线性代数等经典数学推导并揭示旋量系、旋量多重集及其阶数与基数的本质内涵，提出并阐述旋量系关联关系理论、零空
本书内容共三部分。部分介绍了当前的人工智能技术，进而引出了人工智能算法的脆弱性以及人工智能在网络安全中的应用，并对全书的框架结构进行了大致介绍。第二部分是对人工智能算法安全性的探讨，该部分首先对人工智能算法的脆弱性进行了介绍，包括不同场景与应用的对抗样本生成方法和先进的对抗样本防御方法；然后对人工智能的数据安全进行了阐述与介绍。第三部分是对人工智能在网络安全中应用的介绍，分别介绍了人工智能在脆弱性发现、恶意代码分析、网络追踪溯源以及高持续性威胁(APT)检测中的应用。
