Sự phức tạp ngày càng tăng của các mô hình được sử dụng để dự đoán các hệ thống trong thế giới thực dẫn đến nhu cầu về các thuật toán để thay thế các mô hình phức tạp bằng các mô hình đơn giản hơn nhiều, đồng thời vẫn bảo toàn được độ chính xác của các dự đoán. Sổ tay gồm hai tập này bao gồm cả các phương pháp cũng như ứng dụng. Tập đầu tiên này tập trung vào lý thuyết điều khiển thời gian thực, đồng hóa dữ liệu, trực quan hóa thời gian thực, không gian trạng thái nhiều chiều và tương tác của các kỹ thuật giảm khác nhau.

ản in lại này nhấn mạnh tầm quan trọng của Học sâu (DL), một công nghệ đã thu hút sự chú ý đáng kể trong khoa học, công nghiệp và học thuật. Nó lấy cảm hứng từ hoạt động của não bộ con người và khái niệm học tập. Không giống như các phương pháp học máy và học truyền thống, các kỹ thuật học sâu mô phỏng mạng lưới nơ-ron của não bộ con người ở quy mô nhỏ hơn, cho phép chúng xử lý và phân tích một lượng lớn dữ liệu phi cấu trúc.

Cuốn sách trình bày những nghiên cứu và ứng dụng mới nhất về điều khiển thích ứng, từ các thuật toán hiện đại đến các giải pháp nâng cao hiệu suất hệ thống điều khiển. Đây là tài liệu tham khảo hữu ích cho các kỹ sư, nhà nghiên cứu và sinh viên trong lĩnh vực tự động hóa và điều khiển.

Cuốn sách này là giáo trình cho khóa học đầu tiên về khoa học dữ liệu. Không cần kiến ​​thức trước về R, mặc dù một số kinh nghiệm lập trình có thể hữu ích. Cuốn sách được chia thành sáu phần: R, trực quan hóa dữ liệu, thống kê với R, xử lý dữ liệu, học máy và các công cụ năng suất. Mỗi phần có một số chương được trình bày dưới dạng một bài giảng. Tác giả sử dụng các nghiên cứu điển hình đầy động lực mô phỏng một cách thực tế trải nghiệm của một nhà khoa học dữ liệu.

Cách những người lao động, người có sức ảnh hưởng và nhà hoạt động toàn cầu phát triển các chiến thuật kháng cự thuật toán bằng cách chiếm đoạt và tái sử dụng chính những thuật toán đang kiểm soát cuộc sống của chúng ta. Thuật toán ở khắp mọi nơi xung quanh chúng ta, len lỏi vào ngày càng nhiều khía cạnh của cuộc sống hàng ngày.

Trong ấn bản Thuật toán di truyền - Lý thuyết, thiết kế và lập trình này, chúng tôi trình bày một loạt đóng góp khoa học đi sâu vào nền tảng lý thuyết phức tạp và các sắc thái thực tế của thuật toán di truyền (GA). Ngoài lĩnh vực học thuật, GA đã chứng minh những ứng dụng sâu sắc trong việc ra quyết định xã hội và tối ưu hóa kỹ thuật, được thể hiện thông qua các ví dụ và nghiên cứu điển hình trong thế giới thực

Cuốn sách trình bày các kỹ thuật lai dựa trên Mạng thần kinh nhân tạo, Bộ mờ, Lý thuyết tự động, các thuật toán siêu hình hoặc cổ điển khác, v.v. Cuốn sách xem xét các ví dụ khác nhau về thuật toán trong các lĩnh vực ứng dụng trong thế giới thực khác nhau như bài toán phát triển đồ thị, tổng hợp giọng nói, bài toán nhân viên bán hàng du lịch , vấn đề lập kế hoạch, thiết kế ăng-ten, thiết kế gen, mô hình hóa các quá trình hóa học và sinh hóa, v.v.

Cuốn sách tập trung vào việc phân tích chi tiết các thuật toán lượng tử từ đầu đến cuối, bao gồm cả các nguyên thủy thuật toán, phương pháp sửa lỗi lượng tử và khả năng chịu lỗi, nhằm đánh giá lợi ích thực tế của tính toán lượng tử so với các phương pháp cổ điển hiện tại.

Các thuật toán tính toán lấy cảm hứng từ sinh học luôn là chủ đề nghiên cứu nóng trong cộng đồng trí tuệ nhân tạo. Sinh học là nguồn cảm hứng đáng kinh ngạc cho việc thiết kế các đồ tạo tác thông minh có khả năng hoạt động hiệu quả và tự chủ trong các môi trường không xác định và luôn thay đổi. Thật khó để cưỡng lại sức hấp dẫn của việc tạo ra các hiện vật thể hiện các yếu tố trí tuệ sống động như thật, do đó cần các kỹ thuật để kiểm soát, tối ưu hóa, dự đoán, bảo mật, thiết kế, v.v.

Bên cạnh các bài toán tối ưu hóa toán học, thuật toán tiến hóa còn được sử dụng như một khuôn khổ thực nghiệm trong quá trình tiến hóa sinh học và chọn lọc tự nhiên trong lĩnh vực sự sống nhân tạo.