本书共13章, 第1章介绍神经网络的概念、发展历史、研究内容、应用领域以及神经网络与深度学习的关系。其后12章的内容分为两大部分: 第一部分 (第2-7章) 阐述了6种典型的神经网络模型, 即M-P模型、感知机模型、BP神经网络、Hopfield神经网络、玻耳兹曼机、自组织神经网络等。第二部分 (第8-13章) 阐述了深度学习的6种经典模型, 即深度神经网络、深度置信网络、卷积神经网络、循环神经网络、生成式对抗网络、图神经网络等。详细介绍了它们的网络结构、学习算法、工作原理、应用实例及

《人工智能基础及应用》是作者讲授多年人工智能基础及研究人工智能算法后，针对当前的教学实际需要而编写的。全书系统阐述了人工智能发展概况及前沿应用，较详细地介绍了知识表示、搜索和推理技术，给出了人工智能优化方法，还介绍了神经网络、专家系统与机器学习相关的方法，并列举了与人工智能算法相关的应用案例，从而方便大学生掌握人工智能理论的应用方法。全书内容力求简明扼要，具体实用，并有研究实例，便于自学。同时，《人工智能基础及应用》配套数字教学资源包括微视频、习题答案，针对教师还提供了电子课件、教学大纲等。

人工智能方兴未艾，正在向人们生活的各个领域渗透。 本书紧扣业界前沿，主要介绍了一些当前流行、 具有广阔应用前景的人工智能新技术。 此外，本书各个章节还就一些重点专题给出了Python语言的程序实现，使抽象的理论具体化，使生涩的算法容易理解。
本书共分12章，主要介绍人工智能的基本概念、知识表示方法、确定性推理、不确定性推理、搜索问题求解策略、智能计算、机器学习、 人工神经网络与深度学习、多智能体技术、视觉感知与识别等人工智能最新理论与应用。 附录中给出了本书用到的计算机程序语言P

本书内容共分为10章，从学科基础、技术基础、重点方向与领域、行业应用、伦理法律5方面系统、整体介绍人工智能的定义、方法、体系、应用及其内涵。第1章介绍人工智能定义及新知识体系。第2章介绍人工智能孕育史、机械论、计算历史、控制论、联结主义起源