本书属于人工智能与区块链原理及应用方面的著作。主要包括区块链与人工智概述，区块链与下一代人工智能，区块链的发展，区块链体系架构，区块链与人工智能数字经济发展，区块链与人工智能技术的融合，人工智能技术发展的困境，密码学与安全技术，基于区块链架构的商业应用，区块链与人工智能融合的行业应用，区块链的未来发展等内容。

本书共分8章，内容涉及物联网“端-管-云”全链路开发流程。第1章介绍物联网发展趋势、应用架构、典型应用和相关学术研究及前沿问题；第2、3章分别从硬件平台和操作系统的角度介绍物联网设备端开发；第4、5章分别介绍物联网应用中常用的低功耗短距离协议及低功耗广域网；第6、7章分别介绍主流的物联网云平台和物联网云-端一体开发平台

●本书首先介绍AI与AI安全的发展起源、世界主要经济体的AI发展战略规划，给出AI安全技术发展脉络和框架，并从AI安全实战出发，重点围绕对抗样本、数据投毒、模型后门等攻击技术进行案例剖析和技术讲解；然后对预训练模型中的风险和防御、AI数据隐私窃取攻击技术、AI应用失控的风险和防御进行详细分析，并佐以实战案例和数据；最后

本书主要论述信息融合技术及其应用，介绍不同技术的信息融合算法，包括基于稀疏/协作表示、高斯过程隐变量模型、多视角和多特征学习、贝叶斯模型、度量学习、权重分类器方法融合和深度学习等；讲述这些融合方法在图像分类、域自适应、人脸识别、疾病检测和图像检索等领域的应用，并使用多个数据库验证了上述方法的有效性和优越性。本书可供从事

《运筹优化常用模型、算法及案例实战》主要讲述运筹优化领域常用的数学模型、精确算法以及相应的代码实现。首先简要介绍基本理论，然后用丰富的配套案例讲解多个经典的精确算法框架，最后结合常用的优化求解器（CPLEX和Gurobi）说明如何用Python和Java语言实现书中提到的所有精确算法。全书共分3部分。第I部分（第1~4

k-均值问题是经典组合优化问题,也是著名的NP-难问题之一,相应的Lloyd算法是数据挖掘的十大经典算法之一.k-均值问题在人工智能、数据挖掘、理论计算机科学、运筹学和管理科学中有着广泛的应用.本书介绍k-均值问题及其变形的基于随机抽样、降维、核心集、近似质心集、局部搜索、线性规划舍入等技术的近似算法.主要内容包括:经

人工智能领域一直以来坚信：只要人工智能系统能产生类似于人类的行为，它就是智能的。于是，我们看到了能够打败国际象棋guan军的计算机棋手，能够根据路况选择行驶路线的无人驾驶汽车，能够做手术的医生……人们甚至开始担忧：有朝一日，机器人会不会超越人类，进而奴役人类？ 在《新机器智能》一书中，科技界

理解TensorFlow模型模式和ML工作流中的最佳实践。 使用代码段作为构建TensorFlow模型和工作流的模板。 通过集成TensorFlowHub中的预建模型节省开发时间。 使用加速器集群（如GPU或TPU）充分利用分布式训练。 对数据摄取、训练模型、模型保存和推理做出明智的设计选择。

研究张量，这是机器学习中最基本的结构。 通过一个真实示例完成数据与张量的来回转换。 使用TensorFlow.js结合AI和Web。 使用资源转换、训练和管理机器学习数据。 从头开始构建和训练你自己的训练模型。

本书针对深度学习及开源框架——PyTorch，采用简明的语言进行知识的讲解，注重实战。全书分为4篇，共19章。深度学习基础篇（第1章~第6章）包括PyTorch简介与安装、机器学习基础与线性回归、张量与数据类型、分类问题与多层感知器、多层感知器模型与模型训练、梯度下降法、反向传播算法与内置优化器。计算机视觉篇（第7章~