本书系统全面地介绍了人工智能与信息感知理论与实践的内容。依据信息感知系统的组成、特点以及信息感知过程，以感知、融合、智能处理为主线，重点介绍了面向信息感知处理背景下的人工智能前沿理论与方法。内容包括：信息感知与数据融合基本原理与方法；神经计算基本方法，神经计算实现技术以及支持向量机；深度学习中典型神经网络实现及其应用；

用户体验（UserExperience，简称UE/UX）,是用户使用产品过程中建立起来的一种纯主观感受,用户体验是随着设计行业的成熟而逐渐产生出来的新的专业方向，用户体验这种新兴的交叉学科，主要由三部分组成，分别是心理学、工业设计、以及计算机交互。用户体验与心理学之间的关系紧密，主要涉及认知心理学、人因工程等领域。本书

**智能是\"思想上的虫洞\"。通过与它合作，我们可以探索突破进化限制的思想空间，我们可以获得宇宙中深深隐藏着的知识，我们甚至可以变成新生命的创造者！人工智能正在我们的社会中扮演着越来越重要的角色，围绕着人工智能的讨论也在变得越来越两极分化，很多人认为，机器要么能解决所有人的问题，要么就会把我们拖进黑暗的、反乌托邦的深

本书介绍交互式设计的技术与技巧，讲述如何从目标用户的需求和期望出发，结合人类本身的心理特征和行为特点，用简单的方法创建易用、有效且让用户愉悦的设计。书中阐释了合理删除、分层组织、适时隐藏和巧妙转移这4个令交互设计成果最大程度简单易用的策略。第2版根据近年来交互设计领域的实践和发展，对书中案例进行了全面更新。

《创造力与人工智能的概念整合研究（英文版）/德古意特认知语言学应用丛书》从概念整合理论的视角，解析了创造力与人工智能，探讨了创造力的过程、理论与表征，以及计算实现的各个方面，包括组合、完善和扩展等。

计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，本书旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python编程技能，掌握PyTorch的使用方法，学到深度学习相关的理论知识，比如卷积神经网络

深度强化学习（DeepReinforcementLearning，DRL）是深度学习算法和强化学习算法的巧妙结合，它是一种新兴的通用人工智能算法技术，也是机器学习的前沿技术，DRL算法潜力无限，AlphaGo 是目前该算法*成功的使用案例。DRL算法以马尔科夫决策过程为基础，是在深度学习强大的非线性函数的拟合能力下构成

本书从深度学习的发展历程讲起，以丰富的图例从理论和实践两个层面介绍了深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。内容涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高等。此外，还介绍了包括Theano、Pylearn2、Caffe、DIGITS、Chainer和TensorFlow在内

《AI人工智能：发展简史+技术案例+商业应用》通过“知识＋案例”两条线索帮助读者全方位、多角度地了解人工智能。纵向知识线包括三大认识、三大价值、三大盈利模式、三种营销变化、四个时代、五大商业模式、八大技术、八大热门领域、八种研究成果、九种热卖商品等，针对人工智能的基本概念、发展阶段、研究价值、市场状况、基础技术、发展前

本书对机器学习的关键知识点进行了全面讲解，帮助读者顺利完成从理论到实践的过渡。书中首先介绍用于描述机器学习算法的统计与概率的知识，接着详细分析机器学习技术的两类主要方法——生成方法和判别方法，后深入研究了如何使机器学习算法在实际应用中发挥更大的作用。本书提供程序源代码，便于读者进行数据分析实践。本书适合高等院校计算机、