作者：张岳
内容简介
本书详尽介绍了MATLAB的基本功能和应用方法，内容包括MATLAB的运行环境、矩阵与数值计算、MATLAB图形绘制、MATLAB程序设计、图形用户界面设计、Simulink动态仿真环境以及MATLAB在线性控制系统、智能控制系统、电路及电力电子系统、数字信号处理系统中的应用。 本书内容丰富、由浅入深、阐述透彻、层次分明、篇幅简练、系统性和应用性强，所有相关程序都经过上机验证通过，且每章附有小结和习题，并配有习题答案，使本书更具有可教学性和可自学性。
本书可作为本、专科院校的理工科学生学习MATLAB的教材，也可作为工程技术人员学习MATLAB的参考资料。
作者：[美]马特·R.科尔（MattR.Cole）
内容简介
本书遵循循序渐进、兼顾理论和实践的原则，从神经网络基本概念入手，以图文并茂的形式生动地讲解激活函数和反向传播等概念原理，并以人脸识别和动作检测为例，让读者直观地了解深度学习的应用场景，在知识内容方面，不但包含决策树、随机森林等常规算法，还重点讲解了LSTM、CNN神经网络等主流算法，在代码实践方面，比较深入地讲解开发细节，详细介绍了相关网络结构、参数调优和各种网络的对照比较，对程序员实际动手有比较强的参考意义。此外，本书还包含了常用激活函数，读者可以方便的在附录中查询相关函数特性，是一本集原理、实践与资料查询为一体的书籍。
作者：[印]帕拉什·戈雅尔（PalashGoyal）苏米特·潘迪（SumitPand
内容简介
全书分为5章，通过介绍完整的神经网络模型（包括循环神经网络、长短期记忆网络以及序列到序列模型）实例，向读者阐释用于自然语言处理（NLP）的深度学习概念。前三章介绍NLP和深度学习的基础知识、词向量表示和高级算法，后两章集中介绍实现过程，并使用Python工具TensorFlow和Keras来处理复杂的架构，比如RNN、LSTM和seq2seq。本书遵循循序渐进的方法，最后集合全部知识构建一个问答式聊天机器人系统。
作者：[澳]图珊·加内格达拉（ThushanGanegedara）
内容简介
第1章是对NLP的简单介绍。该章将首先讨论我们需要NLP的原因。接下来，将讨论NLP中一些常见的子任务。之后，将讨论NLP的两个主要阶段，即传统阶段和深度学习阶段。通过研究如何使用传统算法解决语言建模任务，我们将了解传统阶段NLP的特点。然后，将讨论深度学习阶段，在这一阶段中深度学习算法被大量用于NLP。我们还将讨论深度学习算法的主要系列。最后，将讨论一种最基本的深度学习算法：全连接神经网络。该章结束时会提供一份路线图，简要介绍后面的内容。
第2章介绍PythonTensorFlow库，这是我们实现解决方案的主要平台。首先在TensorFlow中编写一段代码，执行一个简单的计算，并讨论从运行代码到得到结果这一过程中到底发生了什么。我们将详细介绍TensorFlow的基础组件。把Tensorflow比作丰富的餐厅，了解如何完成订单，以便进一步加强对TensorFlow的理解。稍后，将讨论TensorFlow的更多技术细节，例如数据结构和操作（主要与神经网络相关）。最后，我们将实现一个全连接的神经网络来识别手写数字。这将帮助我们了解如何使用TensorFlow来实现端到端解决方案。
