深度学习是计算机科学的一个重要分支，是一种以人工神经网络为架构，对数据进行表征学习的算法的总称。深度学习是传统机器学习算法的发展和衍生，相关内容涉及代数、统计学、优化理论、矩阵计算等多个领域。《深度学习理论与实践》是深度学习的基础入门级教材，在内容上尽可能覆盖深度学习算法相关基础知识。全书共11章，大致可分为三大部分：

本书以情感识别模型作为研究对象提高模型识别率作为研究目标，开展基于加权融合策略的情感识别建模方法研究。考虑人体情感信息类型和情感特征的多样性根据模型对正确率和运算量的要求，针对建模过程中的特征级融合、模型级融合、决策级融合以及权重确定方法等关键技术进行深入的研究。

全书分为两篇，第1篇为自动控制原理，内容包括系统数学模型的建立、分析系统性能的常用方法、系统性能分析、改善系统性能的途径以及MMATLAB/SIMULINK系统仿真在实际系统分析中的应用；第2篇为自动控制系统，内容包括直流调速系统、交流调速系统、位置随动系统和自动控制系统的分析、调试及维护维修。本书第5版修订时，保持原

物联网工程是计算机、控制、通信等学科交叉的跨学科专业。本书主要从物联网中所需要的控制技术、计算机控制的基础知识、过程控制的理论技术和方法以及基于各种实际控制系统应用背景的工程分析与设计等方面，带领读者深入浅出地体会物联网控制技术的过程。本书语言简明，注重应用，理论与实际相结合，遵循“理论-扩展-应用”的过程，章节中对应

本书旨在探讨AI提示工程(通常简称提示工程或Prompt工程)在各领域的应用。大语言模型是人工智能领域的重要成果，在自然语言处理和生成任务中发挥着重要的作用。读者通过深入了解和应用提示工程，能充分挖掘和利用大语言模型的潜力，提升效率、促进创新，并解决实际问题。本书涵盖人工智能发展历程，提示工程的概念和设计原则、策略和技

为完成高等教育培养杰出人才的目标，北京大学、清华大学和北京通用人工智能研究院共同编写了这本《通用人工智能人才培养体系》，构建了世界上第一个聚焦通用人工智能的人才培养体系和“通识、通智、通用”的“通才”培养框架，旨在培养具备人文素养和家国情怀，拥有独立思辨和跨学科思维，掌握人工智能核心理论和技术，勇于实践开拓科研格局的国

本书全面叙述了蒙特卡罗方法，包括序贯蒙特卡罗方法、马尔可夫链蒙特卡罗方法基础、Metropolis算法及其变体、吉布斯采样器及其变体、聚类采样方法、马尔可夫链蒙特卡罗的收敛性分析、数据驱动的马尔可夫链蒙特卡罗方法、哈密顿和朗之万蒙特卡罗方法、随机梯度学习和可视化能级图等。为了便于学习，每章都包含了不同领域的代表性应用实

大多数中级机器学习教材侧重于通过提高准确性或降低预测误差来优化模型。但这种方法往往忽视了理解您的机器学习模型为什么以及如何做出预测的重要性。可解释性方法提供了更好理解模型行为的基本工具包，而这本实用指南《面向从业者的可解释人工智能》集结了最佳的模型可解释性技术。介绍可解释人工智能技术，包括技术的特点、实施方法和技巧、技

本书详细介绍机器学习主要算法，包括：C4.5决策树、k-均值（K-means）、支持向量机（SVM）、Apriori、最大期望值、PageRank算法、AdaBoost算法、k-近邻算法（kNN）、朴素贝叶斯算法和分类回归树算法以及神经网络和深度学习的简单介绍。

暂无关于 人工智能与语言加工的更多介绍。