本书主要讨论机器学习、神经形态计算和神经网络的理论及应用，专注于机器学习加速器和硬件开发。本书从传统的微处理架构发展历程入手，介绍在后摩尔定律和后丹纳德微缩定律下，新型架构的发展趋势和影响执行性能的各类衡量指标。然后从应用领域、ASIC和特定领域架构三个角度展示了设计特定的硬件实现所需考虑的诸多因素。接着结合机器学习开

近年来，机器学习问题及应用日益受到重视，相关问题的数学本质是数学优化模型。本书主要介绍目前机器学习领域常用的优化算法与实现、算法的收敛性及应用。内容主要包括绪论（优化理论基础、机器学习的常用优化模型介绍）、机器学习的凸优化模型的求解算法、机器学习的非凸优化模型的求解算法、机器学习的其他特殊模型（DC规划、双层规划等）的

为了适应和持续推动人工智能学科和多学科交叉领域的新发展，本书遵循“理论化—典型化—应用化”的思路，秉持以理论学习和工程应用为主要背景论述深度学习基础理论、方法和应用的宗旨，结合团队多年领域研究和课堂教学实践，从深度神经网络的核心结构和原理出发，阐述了典型神经网络及其实际应用。 全书分为四部分，共16章。其中，深度学习

本书从人工智能这一颠覆性技术的前世今生说起，对我国人工智能发展历程、人工智能应用领域以及人工智能对社会经济的影响进行了梳理，深入探讨了人工智能背景下实体经济、产业工人、技术技能、职业教育等相关领域交叉融合的关系以及面临的挑战与对策，提出了智能化进程中技术技能、职业教育与产业工人的发展互动路径。 全书共七章，具体为：人

深度学习技术作为人工智能领域的一门新兴技术，已成为人工智能科研领域、企业应用领域中常用的一门技术。本教材由神经网络基本训练规则、感知器、BP网络作为基础，讲述神经网络基础训练方法。并通过自编码器网络，将浅层网络过度到深度神经网络部分，详细讲解卷积神经网络原理及训练方法、卷积神经网络的发展以及基于卷积神经网络的目标检测算

本书聚焦深度学习算法的基础理论和核心算法，全面系统地论述深度学习的基础理论，兼顾人工智能数学基础知识与领域**原创基础理论，构建脉络清晰的人工智能理论体系。本书首先介绍了深度学习的相关数学基础，主要包括线性代数、概率论、信息论三部分；紧接着系统地介绍了深度学习的重点内容，主要分为五方面，即深度学习的逼近理论，深度学习的

本书共8章，包括绪论、知识表示、搜索算法、推理技术、专家系统、机器学习、规划系统以及Agent系统，全面系统地介绍了人工智能的发展、表示方法以及经典算法等内容。具体包括：人工智能的定义和发展、人类智能与人工智能、人工智能的学派及其争论等。

本书针对工科院校普遍开设的“自动控制原理”课程，系统地阐述了经典控制理论和现代控制理论所涉及的基本内容。作为主要特色之一，本书将这些内容划分为模型篇、分析篇和设计篇三大部分。其中模型篇涵盖了连续时间系统的微分方程与传递函数模型、框图与信号流图模型、频域模型、离散时间系统的差分方程与脉冲传递函数模型，以及作为现代控制理论

本书主要内容包括：人工智能的新里程碑——ChatGPT、深入理解Transformer模型、生成式预训练、无监督多任务与零样本学习、稀疏注意力与基于内容的学习等，共十一章。具体内容包括：ChatGPT的发展历程、ChatGPT的能力、大语言模型的技术演化等。

本书适合任何想要深入了解深度学习这个迷人领域的人，您不需要具备高级数学和编程知识就可以掌握其根本原理。如果您想知道这些工具是如何工作的，并学会自己使用它们，答案尽在书中。而且，如果您已经准备好编写自己的程序，那么随附的Github存储库中还有大量补充的Python笔记本可以帮助您。本书讲解语言通俗易懂，包含大量的的彩色