本书介绍终身学习这种高级机器学习范式，这种范式通过积累过去的知识持续地学习，并将学到的知识用于帮助在未来进行其他学习和解决问题。相比之下，当前主流的机器学习范式都是孤立学习，即给定一个训练数据集，之后在这个数据集上运行机器学习算法以生成模型，然后再将该模型运用于预期的应用。这些范式不保留已经学到的知识，也不将其运用到后

《机器学习及其应用》比较系统地介绍机器学习的基础理论与应用技术。首先，介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；在详细探讨神经网络与深度学习基本理论的基础上，介绍深度卷积网

本书以程序员所熟悉的代码方式带领程序员们进入深度学习的世界。所有的理论都有对应的可运行的代码进行说明。程序员可以通过修改和调试代码在熟悉的世界里完成向深度学习的转型。 本书兼顾了Tensorflow和PyTorch这两大流行的深度学习框架，使读者同时掌握静态计算图和动态计算图这两大流派，方便读者跟随新技术形势。同时还介

本书包括《探索与争鸣》杂志自2017年第10期至2018年第7期已发表的与人工智能相关文章共26篇，内容包括从人工智能本质看未来的发展、控制的危机与人工智能的未来情境、人工智能与未来社会：三个反思、人工智能技术下对真理和生命的可解释性、人工智能对认知、思维和行为方式的改变、人工智能：威胁人类文明的科技之火、科技创造必须

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学

本书旨在讨论人工智能领域未来的发展方向，即通用人工智能和奇点现象。本书涵盖了奇点理论提出以来该领域取得的一系列研究进展，剖析了实现通用人工智能所面临的问题并分析了各种实现途径。作者不仅展开了天马行空的想象，思考未来技术，比如意识上传、飞米技术等如何为通用人工智能提供可行性，还将现有的通用人工智能技术落地，在生物学领域进

本书是一本针对高校学生的绝佳TensorFlow学习教材。作者结合众多高质量的代码，生动讲解了TensorFlow的底层原理，并从实际应用问题入手，从实践的角度出发，通过具体的TensorFlow案例程序介绍常见的模型和应用解决办法。同时，在教材中还介绍了模型部署和编程过程中所用到的诸多开发技巧。是学习和掌握人工智能这

本书涵盖了经典控制、现代控制和非线性控制理论的基本内容。从控制理论的基础知识入手，较深入地介绍了控制系统的传递函数、方框图、信号流图以及状态空间模型；详细阐述了用于控制系统稳定性、瞬态性能、稳态性能分析时域法、根轨迹法、频域法和状态空间法，以及相应的系统设计方法；讨论了离散控制系统的模型、性能分析和校正方法；并对非线性

本教材共分为六个章节，分别为：*章自动控制系统概述、第二章控制系统的数学模型、第三章控制系统的时域分析、第四章根轨迹法、第五章线性系统的频域分析法、第六章线性系统的频域分析法。