2021年4月新书通报

各位老师、各位同学：
    图书馆4月份的新书已上架流通，欢迎大家来馆借阅！新书具体明细见下表，也可登录"图书馆主页http://lib.ia.ac.cn/-纸质书和过刊"检索图书具体信息。同时，欢迎大家推荐图书，凡是推荐者推荐的图书，购买后，会为推荐者保留一周的优先借阅权!
    本月新书部分书评：
   《博弈论：决策制胜的法则》深入解读有关博弈论的理论和应用，教您怎么在现实中决策制胜，变身人生赢家。从游戏、运气、投机几个关键词出发，深刻解析博弈论的来历和对抗风险与不确定性时的灵活运用。将数学与日常生活建立连接，发现您身边的数学。作者从博弈与游戏的关系写起，讲述博弈论如何从纯粹的智力愉悦到与现实竞争结合，揭示博弈论对人类社会演进的影响。科普专栏作家撰写，将专业知识以平易近人的风格说出。用故事线索链接数学知识，而非单一的专业思考，情节丰富，用趣味启发的方式拉近数学、博弈游戏与现实人生三者的距离。
   《机器学习 贝叶斯和优化方法》本书对所有主要的机器学习方法和新研究趋势进行了深入探索，涵盖概率和确定性方法以及贝叶斯推断方法。其中，经典方法包括平均/小二乘滤波、卡尔曼滤波、随机逼近和在线学习、贝叶斯分类、决策树、逻辑回归和提升方法等，新趋势包括稀疏、凸分析与优化、在线分布式算法、RKH空间学习、贝叶斯推断、图模型与隐马尔可夫模型、粒子滤波、深度学习、字典学习和潜变量建模等。全书构建了一套明晰的机器学习知识体系，各章内容相对独立，物理推理、数学建模和算法实现精准且细致，并辅以应用实例和习题。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。
   《Python元学习 通用人工智能的实现》1.本书介绍元学习及其原理，讲解各种单样本学习算法，例如孪生网络、原型网络、关系网络和记忆增强网络，并在基于Python的TensorFlow与Keras中实现它们；2.读者能够从本书中了解先进的元学习算法，如模型无关元学习、Reptile和元学习的上下文适应；3.本书还探索如何使用元随机梯度下降法来快速学习，以及如何使用元学习来进行无监督学习。

 附：2020年中国科学院高访问量科技图书书单(自动化技术/计算机技术)