今日直播 | 干货附书单 | 从人工智能到类脑与量子计算，有哪些精选图书推荐？

下载量：10k

概述：

• 作者：Bertil Gustafsson

• 对科学计算领域中最重要的数值方法和电子计算机的发展历史进行了全面调查

• 简要评论了一些关键人物的生平

• 包含许多为科学计算做出重要贡献的研究人员的肖像或照片

关于本书：本书从巴比伦人和希腊人的最早数学/数值成就展开，探讨了最重要的计算方法及其发展的历史。行星动力学的力学问题是16世纪后面临的一项重大科学挑战，本书描述了当时使用的基本数值方法。

二战结束后，随着电子计算机的出现，科学计算迈出了巨大的步伐，极大地加速了数值方法的发展。因此，科学计算成为继理论和实验之后的第三种科学方法。

本书追溯了数值方法的起源及其发明者，同时简要探讨了电子计算机多年来的发展。书中引用了163篇参考文献，包含100多幅图，其中许多是关键历史人物的肖像或照片。本书为数值分析和计算领域的历史提供了独特的视角，是对历史感兴趣的学生、专业人士以及更广泛读者的重要资源。

下载量：26k

概述：

• 作者：Daniel Durstewitz

• 专为神经科学和生物科学的学生设计的统计学教材

• 将统计分析与动力系统视角及计算建模相结合

• 回顾了几乎所有应用统计学领域，包括计算神经科学家的高级主题

• 提供了互动示例和基于 MATLAB 的示例代码

• 本书包含可免费获取的补充材料：sn.pub/extras

关于本书：本书适用于统计学/机器学习高级研究生课程，以及所有希望深入理解统计方法的实验神经科学家和统计背景有限的理论神经科学家。它回顾了几乎所有应用统计学领域，从基础统计估计和检验理论、回归与分类的线性和非线性方法，到模型选择和降维、密度估计和无监督聚类方法。然而，重点是从动力系统的角度对线性和非线性时间序列进行分析，并以此为基础，旨在传达对可能生成观测时间序列的动力机制的理解。此外，它将行为和神经动力学的计算建模与统计估计和假设检验相结合。通过这种方式，计算模型不仅成为神经科学中的解释框架，还成为强大的定量数据分析工具，使研究人员能够超越数据表面，揭示潜在机制。书中通过一套 MATLAB 例程提供了大多数方法的交互示例，鼓励读者以一种轻松的方式学习，并帮助他们更好地理解所涉及方法的实际应用。

“计算神经科学在整合和理解大量关于神经系统功能的实验室数据方面至关重要。Daniel Durstewitz 从数据的统计解释到这些数据的生物物理建模，全面覆盖了计算神经科学领域。他的讲解清晰，教学合理，专家和初学者都能轻松使用。我非常高兴推荐这本精心编写的书，适合实验神经科学家以及数学功底深厚的物理学家。这本书为我们提供了一个了解大脑及其运作的窗口，帮助我们解决相关问题并找到答案。”

——Henry D. I. Abarbanel，物理学家，加州大学圣地亚哥分校斯克里普斯海洋研究所

“这本书为计算神经科学中复杂的分析方法提供了清晰而详尽的介绍。所描述的模型和提供的示例将帮助读者发展出对这些方法如何揭示数据的深刻直觉。整本书的整体方法反映了Durstewitz教授作为计算神经科学领域领导者的丰富经验。”

——Bruno B. Averbeck

下载量：49k

概述：

• 编辑：Wanpracha Chaovalitwongse、Panos M. Pardalos、Petros Xanthopoulos

• 展示了计算神经科学领域的主要成果和最新趋势

• 提供了一系列精选的文章，呈现了该领域最新发展的最前沿成果

• 章节由各自学科领域的专家撰写

• 本书包含可免费获取的补充材料：sn.pub/extras

关于本书：这本书汇集了神经科学研究中计算研究的最新进展，实际上适用于工程和医学领域中的协作与整合环境。本书的设计目的是应对学术研究者和实践者日益增长的兴趣，特别是计算模型与工具之间的高效协调以及对神经科学数据的定量研究。为了弥合科学与医学之间的重要鸿沟，本书汇集了多个研究领域，涵盖了从医学信号处理、图像分析、数据挖掘到神经网络建模、基因表达调控及大脑动态等内容。我们希望，这部作品对学术机构中参与计算建模的研究人员和实践者也具有价值，能够帮助他们将神经科学数据中的信息转化并传递给医学领域的同事。本书对研究生（以及高年级本科生）、研究人员和实践者极具吸引力，涵盖了广泛的行业（如制药、化学、生物科学），为那些需要深入了解计算建模在现实神经科学问题中实际应用的人士提供了详细的概述。因此，我们的读者群体预期是非常多样且异质的，包括：

来自工程、计算机科学、统计学和数学领域的研究人员，以及医学和生物科学家；

从事科学研究的医生，旨在了解基础科学如何与生物系统相关联。

下载量：259K

概述：

• 作者：周志华

• 提供了几乎所有机器学习方面的全面且客观的介绍

• 因其优美的表达获得了中国文学奖，其中文版已售出超过20万册

• 本书包含可免费获取的讲义材料：http://www.lamda.nju.edu.cn/yehj/mlbook/english/openaccess.html

关于本书：机器学习是人工智能（AI）领域的核心和关键领域，推动了AI的发展，使其成为计算机科学研究中最具吸引力的领域之一。本教材提供了几乎所有机器学习方面的全面且客观的介绍，涵盖从基础到高级主题。全书共16章，分为三部分：第1部分（第1-3章）介绍了机器学习的基础知识，包括术语、基本原理、评估方法和线性模型；第2部分（第4-10章）展示了经典且常用的机器学习方法，如决策树、神经网络、支持向量机、贝叶斯分类器、集成方法、聚类、降维和度量学习；第3部分（第11-16章）介绍了一些高级主题，包括特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习和强化学习。每章都包含练习和进一步阅读，以便读者深入探索感兴趣的领域。

本书可作为计算机科学、计算机工程、电气工程、数据科学及相关专业的本科或研究生教材，也可作为机器学习研究人员和实践者的参考资源。

下载量：53k

概述：

• 作者：Peter R. Turner，Thomas Arildsen，Kathleen Kavanagh

• 提供了越来越受欢迎的免费开源语言 Python 中的实用编程示例和练习

• 采用项目导向的方式，帮助读者通过实践所介绍的概念和方法来提高理解和实际应用能力

• 引入现实建模应用和项目，进一步帮助跨学科联系，激发对数值方法的需求

关于本书：本教材易于理解，采用现代方法学习数值方法（或科学计算），独特地聚焦于数学内容的建模和应用。重点强调了科学计算在解决各种不同类型问题中的必要性和方法，提供了证据和理由来激发读者的兴趣。书中还通过使用 Python 的简单示例，提供了编写这些方法的实际指导。

主题和特点包括：以易于应用的方式介绍内容，并为许多方法提供了可运行的 Python 代码；通过大量来自实际应用的示例、练习和项目，鼓励基于问题和项目的学习；介绍了建模、Python 编程、数字表示和误差的主要概念；详细解释了数值微积分、线性和非线性方程的基本内容，包括多变量牛顿法；讨论了插值和微分方程的数值解法，涵盖多项式插值、样条插值以及欧拉法、龙格–库塔法和打靶法；章节基本自成一体，逻辑顺序适合科学计算入门课程。

本书是本科生首次学习数值方法或科学计算时的重要指南，适用于计算机科学、工程、数学、经济学、物理科学和社会科学等各个领域中的方法应用。

下载量：65k

概述：

• 编辑：José Manuel Ferrández Vicente、José Ramón Álvarez-Sánchez、Félix de la Paz López、Javier Toledo Moreo、Hojjat Adeli

• 本书包含可免费获取的补充材料：sn.pub/extras

关于本书：LNCS 10337 和 10338 是2017年6月在西班牙科鲁尼亚举行的国际工作会议——自然与人工计算之间的相互作用（IWINAC 2017）的会议论文集。本书为第一卷。

共有102篇完整论文在经过两轮评审和改进后，从194篇投稿中精心挑选出来。论文分为两卷：第一卷涉及自然与人工计算在生物医学和神经科学中的应用，讨论了如理论神经计算、模型、生物信息学中的自然计算、情感智能环境中的生理计算、情感、以及应用于生物医学和神经科学的信号处理和机器学习等主题。

第二卷则涉及基于自然与人工计算的生物医学应用，探讨了如生物医学应用、移动脑机接口、人机互动、深度学习、大数据分析中的机器学习、数据编码和传输中的计算智能等主题。

下载量：47k

概述：

• 作者：Wolfgang Scherer

• 作为教学导论，包括所有主要结果的清晰推导

• 数学上严谨，按照定义-定理-证明的结构，但交织着动机和讨论

• 由于其完全自包含的呈现方式，减少了查阅外部资料的需要

• 包含许多带有解答的练习，以支持自学

关于本书：这本教材以数学形式介绍了量子计算的基本方面。它旨在作为物理学家、数学家和计算机科学家第一次学习量子计算时的核心或补充读物。教材首先介绍了量子力学所需的基础数学知识，然后详细呈现了量子力学、量子纠缠、量子门和量子算法的概念，其中广泛讨论了Shor的因式分解算法和Grover的搜索算法。此外，还介绍了Abelian隐藏子群和离散对数问题的算法，并利用后者展示了比特币数字签名可能被破解的方式。书中还讨论了错误纠正问题，并详细阐述了绝热量子计算。全书包含约140个练习题，覆盖了所有讨论的主题，并附有解答附录。

下载量：11k

概述：

• 作者：Claudio Conti

• 通过从一开始就引入机器学习，提出了一种新的量子物理思维方式

• 以编程为重点，提供了大量开源示例

• 展示了神经网络如何微调量子模型并优化设备应用

关于本书：这本书通过将量子力学和机器学习融合，提出了一种新的思维方式。尽管量子力学和机器学习在理论上似乎相差甚远，但它们之间的联系通过密度矩阵算符变得清晰，该算符可以通过神经网络模型进行近似，从而使量子物理的表述中物理可观测量可以通过神经网络计算。除了展示量子物理和机器学习的自然亲和力外，这种观点在计算、有效硬件和可扩展性方面打开了丰富的可能性。此外，还可以获得可训练的模型来优化应用和微调理论，例如在多体系统中近似基态以及提升量子电路的性能。书中首先介绍了编程工具和机器学习的基本概念，同时提供了量子力学和量子信息的必要背景材料。这使得基本构件——真空态的神经网络模型——得以引入。接下来的亮点包括：非经典态表示，使用压缩器和光束分离器实现量子计算的主要层；使用神经网络模型进行玻色子采样；可用量子计算平台的概述，包括它们的模型和编程；以及神经网络模型作为多体哈密顿量基态的变分猜测，并应用于伊辛机器和孤子。书中强调编码，提供了许多使用 Python 和 TensorFlow 的开源示例，同时 MATLAB 和 Mathematica 程序澄清和验证了证明。这本书是研究生和研究人员的必读书籍，适合那些希望发展所需的物理和编码知识，以理解量子力学和机器学习之间丰富相互作用的人。

下载量：31k

概述：

• 编辑：James M Bower

• 每章包括对各个领域当前问题的描述，紧密基于过去20年的思考进展

• 本书来自于计算神经科学会议20年历史研讨会

• 旨在总结过去20年计算神经科学的进展，同时考虑该领域当前的挑战

关于本书：当资助机构和政策组织考虑建模和仿真在现代生物学中的作用时，常常会提出这样的问题：已经取得了什么成就？这本书将围绕计算神经科学会议（CNS）20年历史的研讨会进行组织，研讨会将作为2010年7月在德克萨斯州圣安东尼奥举行的CNS 2010的一部分。本书与研讨会一样，旨在总结过去20年计算神经科学的进展，同时考虑该领域当前的挑战。第一，本书精选章节作者，以期广泛覆盖计算技术在神经科学中的应用，涉及各类问题和模型系统。每一章节的作者将选择一篇原始发表在15至20年前CNS会议论文集中、长度少于6页的短文，这些文章将展示20年前领域的状态。新文章将描述在接下来的20年中对该主题的了解，并提出未来20年的具体挑战。第二，重现CNS会议早期12年间的海报——这些海报被挂在马里兰州贝塞斯达的NIH大厅，本身在该领域已成经典，并被奉为计算神经科学状态和发展的寓言。这些海报由本书编辑设计，他们将首次在本书中提供每个海报的书面描述。 

下载量：62k

概述：

• 作者：Nikola K. Kasabov  

• 介绍了突触神经网络、进化突触神经网络和脑启发突触神经网络的背景知识和新通用方法 

• 描述了创建BI-AI系统的新特定方法  

• 重点关注如时空数据建模和分析等应用  

• 本书包含可免费获取的补充材料：sn.pub/extras

关于本书：突触神经网络（SNN）是生物启发的计算模型，它们通过一系列脉冲内部表示和处理信息。这本专著介绍了SNN的经典理论和应用，包括作者对该领域的原创贡献。书中首次介绍了深度学习和人脑及脑启发SNN中的深层知识表示，并进一步发展了新类型的AI系统，称为脑启发AI（BI-AI）。BI-AI系统的应用包括：认知脑数据（如脑电图 EEG、功能性磁共振成像 fMRI 和扩散张量成像 DTI）；视听数据；脑机接口；生物神经信息学中的个性化建模；在金融、环境和生态中的多感官流数据建模；数据压缩；神经形态硬件实现。未来方向，如量子处理、分子处理和脑信息处理的多模态整合，在最后一章中进行了介绍。本书适用于计算机与信息科学、工程、应用数学、生物科学和神经科学等广泛领域的研究生、研究人员和从业者。

下载量：31k

概述：

• 作者：Hiu Yung Wong

• 通过叙述方式开始每个章节，使用类比帮助学生快速掌握关键概念

• 采用数值替代方法，并配有Python编程和IBM-Q量子计算机编程

• 提供教学视频和200多个带答案的练习题

关于本书：这本教材基于作者作为工程师的自学经验，旨在向没有太多线性代数背景的读者介绍量子计算，目标读者是那些愿意花费约60-90小时认真学习量子计算的本科生和硕士生。本书也适合自学，每章提供教学视频和200多个带答案的练习题。读者将能够编写程序以模拟量子计算算法，并在IBM-Q上的真实量子计算机上运行。此外，与仅提供肤浅“挥手”解释的书籍不同，本书使用了准确的形式主义，使读者能够基于从本书中学到的知识继续追求更高级的主题。

下载量：27k

概述：

• 作者：Bhagvan Kommadi  

• 教授如何设计和开发自己的量子解决方案  

• 展示如何在实际生活中适当的背景下实现流行的量子算法  

• 演示量子算法如何相较于经典算法加速机器学习和其他算法

关于本书：本书涉及人工智能（AI）算法和不同学科中的应用，旨在引导读者了解如何使用量子计算解决方案。

量子解决方案涉及构建改进量子计算、AI、数据科学和机器学习中的计算任务的量子算法。与量子计算机创新不同，量子解决方案提供了自动化、成本降低和其他效率，解决它们所处理的问题。

本书从基础知识开始，涵盖子系统和属性，以及信息处理网络，然后介绍量子模拟器。书中详细讨论了如旅行商问题、量子密码学、调度和网络安全等解决方案。

书中展示了基于各种行业实际问题的代码示例，例如银行中的风险评估和欺诈检测。在制药领域，探讨了药物发现和蛋白质折叠解决方案。在制造业中，介绍了供应链优化和采购解决方案。在公用事业领域，解释了能源分配和优化问题及解决方案。书中还包括了媒体和技术行业中的广告调度和收入优化解决方案。