演化学习作为机器学习中解决复杂优化问题的重要方法，此前一直因为理论支撑不足未得到应有重视。本书将介绍作者团队近几年在演化学习理论和算法方面取得的重要进展，弥补上述缺憾。本书内容主要分四部分，第一部分简要介绍演化学习基础知识；第二部分讲述演化算法中用于分析运行时和近似性能的通用理论工具；第三部分讲解关于演化优化中主要因素

知识图谱的发展历史源远流长，从经典人工智能的核心命题——知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融

本书共9章，主要内容包括物联网初探、物联网的演进、物联网设备识别、物联网信息感知、物联网通信、物联网的计算、物联网服务、物联网的典型应用、物联网综合应用实例等。本书可作为高职高专及应用型本科院校物联网应用技术专业的教材，也可作为从事物联网相关工作的技术人员的参考书。

《大学人工智能基础（大学计算机系列教材）》是华东师大非计算机专业本科生理科方向教学用书。大学程序设计基础是大学计算机教学的核心课程，该书以零基础的初学者为对象，循序渐进地讲述各种客观数据对象在计算机世界中是如何表示的，计算机又是如何操作数据对象，实现各种功能的。《大学人工智能基础（大学计算机系列教材）》旨在帮助读者形成

图神经网络是人工智能领域的一个新兴方向，它不仅迅速得到了学术界的广泛关注，而且被成功地应用在工业界的多个领域。本书介绍了图神经网络和图深度学习的基础知识和前沿研究，不仅包括它们的发展历史和经典模型，还包括图神经网络在深层网络、无监督学习、大规模训练、知识图谱推理等方面的前沿研究，以及它们在不同领域（如推荐系统、生化医疗

本书分类《机器学习导论》面向机器学习领域的主要模型和算法，重点阐述不同方法背后的基本假设以及它们之间的相关性，帮助读者建立机器学习的基础理论功底，为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题，线性模型，神经网络及深度学习，核方法，图模型，无监督学习，非参数模型，演化学习，强化学

本书介绍内容包括支持向量机、线性回归、决策树、遗传算法、深度神经网络（VGG、GooleLeNet、Resnet、MobileNet、EfficientNet）、循环神经网络（LSTM、GRU、Attention）、生成对抗网络（DCGAN、WGAN-GP）、自编码器、各种聚类算法、目标检测算法（YOLO、MTCNN）

本书以数据驱动的数学问题研究为核心，是一部由研究工作构成的原创著作。全书共分7章，按三个模块划分：第一个模块是研究背景和框架介绍，即第1章绪论，这是本书主题内容的一个导论；第二个模块是粒度空间的基础理论及模型，由第2～5章组成，其中涉及粒度空间的基本理论，结构聚类特征与融合，以及聚类结构分析理论等研究；第三个模块是粒度

书特色主要有：1、注重实例的一本教材尽可能简化繁琐的数学推导和定理证明，将重点放在解决问题的原理和思路上，并介绍一些经典有趣的实例。2、适合不同专业层次的教材选择结合教学、科研及应用需求，注重概念清晰、既有深度又有广度、理论性较强的教材，着力于内容的体系化，适合不同层次专业选用。3、注重能力评价的考核方式注重能力评价的

《人工智能从小白到大神（案例视频）》主要从人工智能的发展之路说起，结合丰富的应用与实战实例，详细阐述了Python入门、人工智能数学基础、手工打造神经网络、TensorFlow与PyTorch、卷积神经网络、目标分类、目标检测、图像语义分割、循环神经网络、自然语言处理、生成对抗网络、强化学习等行业前沿知识。