本书是一本面向编程人员的人工智能基础教程，侧重于介绍机器学习模型在不同场景下的部署，通过直观的例子解释机器学习和人工智能的基本概念，并给出代码实现。本书分为两部分：第一部分（第1章-第11章）介绍了如何使用TensorFlow来创建适用于不同应用场景（计算机视觉、自然语言处理和序列建模）的机器学习模型；第二部分（第12

《图机器学习》详细阐述了与图机器学习相关的基本解决方案，主要包括图的基础知识、图机器学习概述、无监督图学习、有监督图学习、使用图机器学习技术解决问题、社交网络图、使用图进行文本分析和自然语言处理、信用卡交易的图分析、构建数据驱动的图应用程序和图的新趋势等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关

本书全面介绍人工智能的基本理论、技术及应用。全书共12章，主要内容包括人工智能概论、知识表示与知识图谱、模糊推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解、计算机视觉和智能机器人，附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使

本书系统讲述智能现象的简要历史。全书共分为10章。第1章介绍本书的写作背景、对智能的不同定义、围绕智能现象的问题、本书对智能现象的新假说;第2章介绍宇宙从无到有的过程、不安分的宇宙、改变以稳定宇宙;第3章介绍物理学中的智能现象、重力智能、重力和暗能量、最小作用量原则、量子隐形传态;第4章介绍化学的简要发展历程、耗散结构

《PyTorch编程技术与深度学习》讲述深度学习的基本原理，使用PyTorch展示涉及的深度学习算法。通过理论讲解和编程操作，使读者了解并掌握深度学习的原理和PyTorch编程技能，拉近理论与实践的距离。全书共分9章，主要内容包括PyTorch介绍、PyTorch基础编程、深度学习快速入门、神经网络训练与优化、卷积神经

这是一本面向对AI和机器学习的活用感兴趣的经营层、企划部门、事业部门和IT部门等从业人员的书籍。从打消为什么现在应该努力呢这样的疑问开始，到即便对AI和机器学习的前提知识没有了解，也能够理解如何建立项目，怎样创造出成果的方法论。本书旨在作为咨询公司和系统开发公司等寻求外部AI支援的参考书。

本书根据高等院校自动控制原理课程的教学要求，注重理论基础与基本概念，比较全面地介绍了经典控制理论的基本内容。教材编写力求从自动控制的基本原理和概念出发，突出重点，淡化烦琐的理论推导，注重理论与实际的结合。全书共分八章，内容包括自动控制系统概述、控制系统的数学模型、时域分析法、根轨迹法、频率特性分析法、自动控制系统的校正

本书分析研究了深度学习相关的网络模型，以及不同网络模型的算法结构、原理与核心思想及实战案例。主要内容涉及人工神经网络、模糊神经网络、概率神经网络、小波神经网络、卷积神经网络及其扩展模型、深度生成对抗网络及其扩展模型、深度受限玻尔兹曼机及其扩展模型、深度信念网络及其扩展模型、深度自编码器及其扩展模型等深度学习网络结构、原

PyTorch神经网络实战：移动端图像处理主要介绍人工智能研究领域中神经网络的PyTorch架构，对其在多个领域的应用进行系统性的归纳和梳理。书中的案例有风景图分类、人像前景背景分割、低光照图像增法、动漫头像生成、画风迁移、风格转换等，对每项视觉任务的研究背景、应用价值、算法原理、代码实现和移动端部署流程进行了详细描述

本书讲述机器学习的基本理论与应用，使用OpenCV、Python与MATLAB实现涉及的各种机器学习算法。通过理论学习和实践应用，读者能够理解并掌握机器学习的原理和应用，拉近理论与实践的距离。全书共分15章，主要内容包括：机器学习理论简介、机器学习理论与应用数学基础、机器学习编程基础、基于OpenCV和Python的机