作为一个崛起中的新兴力量，人工智能不仅仅是一种技术，它的发展除了在科学和产业发展领域产生影响之外，还将对现行人类的社会规范、生活模式产生非常深远的影响。随着第三次人工智能潮的到来，人们对人工智能及其未来的发展充满强烈的兴趣和诸多的疑问——什么是人工智能？人工智能对人类生活会有哪些深远影响？我们又能通过人工智能实现什么样

机器学习是一门涉及高等数学、线性代数、概率论、统计学和运筹学等领域的交叉学科。机器学习的基础就是数学，这也就要求学习者要有良好的数学基础。为了降低机器学习的学习门槛，本书深入浅出地对机器学习算法的数学原理进行了严谨的推导；并利用Python3对各种机器学习算法进行复现，还利用介绍的算法在相应数据集上进行实战。本书主要内

本书通过分析最优化理论和算法与机器学习的关系：最优化理论和算法促进了机器学习的发展，同时机器学习对最优化的理论和求解方法也带来了新的研究方向和研究方法。我们针对组合优化问题，特别是NP问题,提出机器学习的求解方法，此类方法通过一些学习方法，结合传统算法，给出了一套求解组合优化问题的机器学习理论方法。 本书共分为六章，

本书系统介绍了作者近年来在分布式多智能体系统一致性协同控制领域的最新理论研究成果，其集中体现了该领域近年来最新的研究进展与发展动态。围绕系统复杂性、拓扑复杂性以及连接复杂性三个维度，分别介绍了基于合作、竞争以及合作与竞争关系的同质、异质多智能体复杂系统的一致性以及分组一致性协同控制等基本问题，为丰富和发展多智能体系统协

本书对智能任务的专家遴选与推荐问题进行了较为深入、全面的研究。本书首先全面梳理了国内外该领域的研究情况，总结出一个较为清晰的脉络，对相关问题的定义、起源进行了追溯，并有针对性地明确几个研究问题的定义。然后，对作为研究试验基础的多学科知识结构问题进行了分析，并进一步对学术论文引用预测及影响因素、专家兴趣建模、面向主题覆盖

本书主要内容如下：时间依赖切换策略下切换随机时滞系统的耗散输出调节问题；误差依赖切换策略下切换随机时滞系统的耗散输出调节问题；带有交叉供给率的切换随机时滞系统的输出调节问题；切换时滞系统基于输出增长无源性的输出调节问题；基于无源性的切换随机时滞系统的异步输出调节问题等。

近20年来，复杂神经网络的建模与动力学行为研究已成为神经科学、信息科学、非线性动力学等多学科交叉领域具有较大挑战性的一个前沿性研究课题。因此，深入研究大规模神经网络的复杂动力学行为，探讨大规模神经网络对外界输入信号的兴奋特性、同步特性和复杂网络自身的稳定性等，对于探索人脑的记忆、学习与思维方式和信息的处理能力将会提供有

随着计算技术的飞速发展，人共智能似乎在顷刻之间就悄悄地来到我们身边，一时间我们的周围到处舞动着人工智能，令人眼花缭乱。从手机到3D打印，从谷歌眼镜到全息投影，就连美图APP一键整容都要依靠人工智能；而且，人工智能的快速发展超越人类的想象，一时间，人机交互、无人驾驶、虚拟现实等智能设备扎堆出现，智能机器人频频亮相。

TensorFlow大名鼎鼎，现在已经更新了10多个版本，随着版本的更新其接口和功能也越来越强大。尤其是TensorFlow的高阶API接口，集成了很多算法和网络模型，可以达到所用即所得的地步。但是由于各种原因，我们往往很少去了解如何使用这些高级API来进行编程，解决自己的问题。因此本书旨在能够以编程实践为入手，按照实

本书是一本利用Python技术，结合人工智能、神经网络和机器学习、遗传算法等互联网技术进行相应行业模型开发的技术图书。本书第1～4章主要讲解了利用Python软件分析模型开发的入门知识，包括开发工具的使用、测试技术难点等内容；第5～7章主要讲解了利用人工智能中的神经网络技术进行技术研发，利用数据挖掘技术完善行业技术模型

人工智能与机器人创意设计赛为大学生提供一个创新创意展示平台，旨在培养和锻炼学生的自主学习能力、创新能力、工程实践能力、团队合作能力等四个能力，为培养新一代卓越工程师提供平台。该项比赛鼓励新思路、新理论、新技术在机器人设计和人工智能应用中的探索与创新，鼓励学生进行自己动手设计制作人工智能与机器人系统，提交论文到竞赛组委会

不知不觉，人工智能已经走入我们的生活，尤其是图像识别、文本识别、语音识别、自然语言等技术。这些应用的核心技术就是深度学习，也正是本书的核心内容。 本书以TensorFlow为核心，分为3篇，共计15章节。第1篇是基础篇（第1~5章），主要介绍什么是深度学习、深度学习的本质是什么、深度学习所使用的教材和方法，以及深度学习

本书内容涵盖了人工智能的起源、机器学习、神经网络、深度学习、专家系统、推荐系统、自然语言处理、智能图像处理、智能机器人。本书可供从事人工智能研究领域的工程技术人员和科研人员阅读。

全书分为人工智能基础与智能机器人两大部分，共17章。第一部分主要介绍人工智能的基本概念、知识工程、确定性推理、不确定性推理、搜索方法、人工神经网络、机器学习、进化计算与群体智能、分布式人工智能等内容。第二部分主要介绍智能机器人的定义和研究领域、机器人感知、移动机器人定位与建图、移动机器人导航、机器人路径规划、多机器人系

本书从人工智能与人的生存这个大的命题出发，围绕人工智能与人的生存、生活及发展这三个维度而展开，进行了较为全面的论述，对人们日常生活中的人工智能运用的一些困境和出路进行了分析，带有一定的人工智能知识的科普目的，以化解人工智能时代人们生存的忧虑，从而促进人们以更加积极的心态、更充分的准备应对人工智能时代的到来。

本书从人工智能入手，以流行的深度学习算法作为科普的重点，用生活中常见的逻辑与方法例子类比人工智能貌似深奥的数学原理以提供普通读者深入了解人工智能及机器学习的可能，例如用买零食的例子科普遗传算法，用看医生的例子类比专家系统，用给狗分类的实例类比深度学习和神经网络，让读者在轻松的氛围中学会人工智能。

近年来，人工智能技术已经从实验室走向大众生活当中，互联网企业为了提升在行业的未来竞争力，也纷纷在AI各领域进行布局。人工智能领域的爆发，同样也对产品经理提出新的挑战。对于产品从业人员来说，人工智能时代需要了解哪些变化，也要学会坚守不变的原则。本书将以产品经理角度出发，介绍人工智能发展历史、AI基本知识、AI产品设计方法

《移动深度学习》由浅入深地介绍了如何将深度学习技术应用到移动端运算领域，书中尽量避免罗列公式，尝试用浅显的语言和几何图形去解释相关内容。本书第1章展示了在移动端应用深度学习技术的Demo，帮助读者建立直观的认识；第2章至第4章讲述了如何在移动端项目中应用深度学习技术；第5章至第8章的难度略大，主要讲述如何深入地调整框架

TensorFlow已经成为机器学习的流行框架和工业届标准，早期的TensorFlow以云端和数据中心中的机器学习为主，近期的一个趋势是，逐渐向移动端和设备端转移。推动这个趋势的动力包括人们对机器学习理论和认知的提高、算法及技术的改进、软件和硬件性能的提高，以及专有硬件的出现等，更主要的是，用户的需求和越来越丰富的场景

本书以神经网络为线索，沿着从线性模型到深度学习的路线讲解神经网络的原理和实现。本书将数学基础知识与机器学习和神经网络紧密结合，包含线性模型的结构与局限、损失函数、基于一阶和二阶信息的优化算法、模型自由度与正则化、神经网络的表达能力、反向传播与计算图自动求导、卷积神经网络等主题，帮助读者建立基于数学原理的较深刻的洞见和认