计算机应用实践

本书源于斯坦福大学的相关课程，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书共分为五个部分：首先解决在单个时间点上简单决策的不确定性和目标的推理问题；然后介绍随机环境中的序列决策问题；接着讨论模型不确定性，包括基于模型的方法和无模型的方法；之后讨论状态不确定性，包括精确信念状态规划、离线信念状态规划、在线信念状态规划等；最后讨论多智能体系统，涉及多智能体推理和协作智能体等。本书

本书内容是在充分利用偏最小二乘原理优势的基础上，重点研究改进与优化偏最小二乘的不足方面，使其更好地适应中医药数据分析。主要内容包括分别引入非径向数据包络分析和降噪稀疏自编码器优化偏最小二乘的噪声处理，使其处理缺失值和噪声更有效；分别引入特征相关、L1正则项和灰色关联优化偏最小二乘的特征提取，实现有效降维和提取特征子集；分别融合受限玻尔兹曼机、稀疏自编码器、深度置信网络提取非线性成分，优化偏最小二乘

本书系统的介绍了Vue框架基础、框架应用、生态组成、项目实战、框架演进、Vue原理剖析及Vue框架的原理实现。全书共分为8章：第1章为行业发展介绍，第2章为Vue2.x的开发基础，第3章为Vue2.x的组件开发，第4章为VueCLI开发完全指南，第5章为VueCLI项目实战，第6章为Vite+Vue3完全开发指南，第7章为Vue3.x项目实战，第8章为实现原理介绍。书中主要内容包括：W

《重构知识：在线知识传播的疆域、结构与机制》旨在探究社会化媒体知识分享平台的知识分享行为规律、知识疆域结构特征、知识构建的动力机制以及知识普惠的技术实现。依托于当前人文社会科学新文科建设总体要求，本书基于传播学理论视野，利用信息科学计算技术，结合复杂网络分析框架，致力于解决当前传播学现实问题。具体而言，本研究旨在探究基于互联网技术的知识传播，提高知识传播效率，推进知识普惠，探究信息技术能够惠及广泛

深度强化学习是人工智能和机器学习的重要分支领域，有着广泛应用，如AlphaGo和ChatGPT。本书作为该领域的入门教材，在内容上尽可能覆盖深度强化学习的基础知识和经典算法。全书共10章，大致分为4部分：第1部分（第1～2章）介绍深度强化学习背景（智能决策、人工智能和机器学习）；第2部分（第3～4章）介绍深度强化学习基础知识（深度学习和强化学习）；第3部分（第5～9章）介绍深度强化学习经典算法（D

《深度序列模型与自然语言处理：基于TensorFlow2实践》以自然语言和语音信号处理两大应用领域为载体，详细介绍深度学习中的各种常用序列模型。在讲述理论知识的同时辅以代码实现和讲解，帮助读者深入掌握相关知识技能。《深度序列模型与自然语言处理：基于TensorFlow2实践》共12章，不仅涵盖了词向量、循环神经网络、卷积神经网络、Transformer等基础知识，还囊括了注意力机制、序列到序列问题

本书以简洁的语言介绍了使用Word和InDesign编辑与排版文档所需掌握的主要功能、操作方法和实用技巧。本书提供了动手实践案例实战疑难解答几个栏目，以便增强学习效果，使读者可以更好地将理论知识与实践相结合。本书共9章，内容分为Word和InDesign两部分：Word部分中的内容主要包括文档基本操作和页面设置、文本编辑和格式设置、创建和设置表格、插入和设置图片、图文表混排、创建和使用样式与模板、

本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于回归事物本质，规律性、系统性地思考问题理论为实践服务并且反过来充实理论，为更多人服务的想法和初心，本书系统地阐述了机器学习理论和工程方法论，并结合实际商业场景落地。全书分为3部分。第1部分是机器学习的数学理论理解，这部分不是对于机器学习数学理论的严谨推导和证明，更多是对于理论背后的到底是什么，为什么要这样做的通俗理解。尽可能

本书比较全面、系统地介绍了深度强化学习的理论和算法，并配有大量的案例和编程实现。全书核心内容可以分为3部分，第一部分为经典强化学习，包括第2、3、4章，主要内容有动态规划法，蒙特卡洛法、时序差分法；第二部分为深度强化学习，包括第6、7、8章，主要内容有值函数近似法、策略梯度法、策略梯度法进阶；第三部分重点介绍了深度强化学习的经典应用——AlphaGo系列算法。另外，作为理论和算法的辅助，第1章介绍