本书内容涵盖经典的有监督机器学习算法，无监督机器学习算法，深度机器学习算法，阐述从浅层学习到深度学习，从简单的线性模型到复杂的神经网络非线性模型的原理与应用。书中每个章节遵循先简介理论基础，再构建数学模型，然后辅以实例分析，从理论到实践的讲解原则。每个章节可独立阅读，也可从前向后，从简到难，从浅层学习到深度学习，循序渐进学习。本书**特色为机器学习算法的嵌入化应用，尤其对难于并行化的深度学习算法，详细介绍了在ARM处理器和FPGA硬件平台的实现步骤。

杨云 女，1973年生，2007年毕业于华南理工大学控制理论与控制工程专业，获博士学位，2009年于西北工业大学航天学院兵器科学与技术博士后流动站出站，同年进入长安大学信息工程学院物联网与网络工程系任教，2018—2019年在美国佛罗里达大学工程学院电子与计算机工程系访学。目前主讲课程“射频识别技术及应用”“人工智能基础”，主要研究方向为智能交通、机器学习应用和物联网硬件安全；主持4项科研项目，发表10余篇国际期刊和会议论文，授权2项专利。段宗涛 男，1977年生，2006年毕业于西北工业大学计算机科学与技术专业，获博士学位，同年进入长安大学交通运输与工程博士后流动站工作，2009年出站后于长安大学信息工程学院任教至今。2009—2010年在美国北卡罗来纳大学信息学院访学。主要研究方向为交通大数据处理和泛在交通信息服务理论与技术；主持6项科研项目，发表20余篇国际期刊和会议论文，授权6项专利。

前言 人工智能如同长生不老和登陆火星一样，是人类最美好的梦想之一。从20世纪50年代著名的图灵测试提出至今，人工智能经历学科寒冬，迎来了新的春天，然而到目前为止，尚未有一台计算机能获取智慧生命的真正的“自我意识”。 人工智能的核心技术是机器学习算法，尤其是深度学习算法，自从21世纪初获得突破性研究进展之后，机器学习算法已经成为各研究领域的热门话题。无论在科研还是工程领域，拥有了机器学习以及深度学习算法，就似乎真的找到了如何让机器自主获取智慧的那扇神奇之门。人类想让机器获得并提升智能，媲美甚至超越人类智慧。物联网为机器提供了丰富的知识，让机器能像人一样，获取物理环境中的丰富信息，制订计划和策略，并做出智能的抉择，这是机器学习研究的重要目标。 无处不在的物联网传感器，为机器学习算法提供了大量丰富的原始数据，数字图像传感器如同人的眼睛，声音传感器如同人的耳朵，还有数十亿种温度、压力、流量、气体和火焰等传感器，存在于物联网的嵌入式设备中，实时采集海量数据。面对如此庞大的信息，机器学习这个大脑需要像初生的婴儿一样，从海量数据和知识中学习智慧，训练高度的特征抽象能力、知识表示能力和分类预测能力，才能做出媲美甚至超越人类智慧的最优决策。然而，物联网数据通过各种复杂的传感器收集，包含大量噪声，同时绝大部分物联网设备的存储和计算能力有限，如何设计有效的机器学习算法，处理物联网传感器采集的粗糙原始数据，如何嵌入机器学习算法，尤其是深度学习算法，使得物联网设备拥有真正的智能，是未来机器学习算法在物联网应用中面临的重大挑战和机遇。 本书的学习要求具备熟练的编程技能、基本线性...