本书将最优控制方法融入机器学习的研究中，创新地建立了一个基于最优反馈控制在线学习框架，并在该框架下提出了一系列用于解决线性和非线性的分类与回归问题的鲁棒自适应学习算法;构建了基于最优控制的鲁棒在线学习架构，分别讨论该架构下的线性回归、二分类和多分类问题，并且将线性问题的架构拓展到非线性回归与分类问题；提出了基于控制的深度学习优化器CSGC，基于深度学习的思想，提出了一种深度学习视角下的样本选择模型。本书提出的算法体系拓展至当下热门的深度学习领域，成功应用于图像识别和文本分类等复杂任务，为解决现实世界的复杂问题提供了新的工具和方法。此外，本书将改进的深度学习算法与传统微观计量模型相结合，从全新视角探讨了样本选择问题，为机器学习与计量经济学的交叉融合研究提供了有益的参考和启示。
张佳铭，中南财经政法大学统计与数学学院讲师，硕士生导师。毕业于中南财经政法大学，获经济学博士学位。主要研究领域:生成式机器学习、深度学习与计量经济交叉领域、机器学习理论与算法。近年来的研究成果在Neural Networks、IEEE Transactions on Neural Networks and Learning Systems、Pattern Recognition和Knowledge-Based Systems等数据科学重要期刊上发表。参与多项国家自然科学基金青年项目国家社会科学基金面上项目，主持一项教育部人文社科青年项目。
