本书是关于神经网络的经典教材，完整、详细地讨论了各个主题，且包含了相关的计算机实验。全书共15章，主要内容包括神经网络的定义、Rosenblatt感知器、回归建模、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主成分分析、自组织映射、信息论学习模型、源于统计力学的随机方法、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波、动态驱动递归网络。本书适合高等院校计算机、电子信息、软件工程、智能工程等专业的高年级本科生和研究生学习使用，也可供相关领域的技术人员参考。

《人工智能导论》共8章，从人工智能的基本定义开始，由浅入深地向读者阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，在较为全面介绍人工智能领域进展的基础上对一些传统内容进行了取舍。详细介绍了知识表示、逻辑推理、非确定性推理、搜索策略、机器学习、大数据以及人工智能应用案例等方面的内容。为满足读者进一步学习的需要，除第1章和第8章之外，每章*后都配有综合案例分析，便于读者在所学知识的基础上懂得如何运用。
《人工智能导论》既适合作为高等院校人工智能课程的教材，也适合计算

本书由总论和分论两大部分组成。总论包括“五育并举”创新创业教育教学实施意见 (以下简称“实施意见”) 和人工智能专业“五育并举”课程双创教学指南 (以下简称“教学指南”)。其中, “实施意见”是对专业的整体性和指导性的实施要求, “教学指南”是由“德育、智育、体育、美育、劳育”5项一级指标、20项二级指标点构成。分论由8门专业核心课程的“五育融合”双创教育教学设计组成, 涵盖人工智能专业的《Python程序设计》《操作系统》《机器学习与模式识别》《数据结构与算法》《数据库原理与应用》《

本书主要介绍华为物联网操作系统LiteOS内核相关知识。全书共11章，介绍了物联网操作系统概述、移植LiteOS到STM32、任务管理、消息队列、信号量、互斥锁、事件、时间管理、中断管理、内存管理、LiteOS实战——人体感应场景，深入讲解了LiteOS内核资源、运行机制及应用场景。本书设计了大量操作任务，读者可通过实践操作，在调试验证中巩固所学的理论知识。 本书可作为高校物联网、嵌入式等相关专业的教材，适合高职或应用型本科学生学习，还适合物联网技术支持人员、物联网开发人员及广大嵌入式技术爱好者

本书是一本介绍深度学习的实践教材,采用的深度学习工具为TensorFlow。本书主要内容包括深度学习环境搭建，数据处理与模型加载，图像处理，图像增强识别实战和两阶段目标检测实战，单阶段目标检测，实战文本识别和图像生成，机器创作，情感分类、翻译、对话，GAN及其变体的创作，强化学习与迁移学习等。降低了深度学习的门槛。
本书案例丰富新颖，涉猎领域广泛，代码分类清晰，实用性和可操作性强，可作为高校人工智能相关专业以及相关培训机构的案例实战教材，也可以作为深度学习智能应用及算法工程师强化训练的参考

本书目的是从作者最近出版的《强化学习预**控制》教科书中更深入地发展一些方法。特别是，提出了有关涉及多个代理，分区架构和分布式异步计算的系统的新研究。本书还将详细讨论该方法在挑战离散/组合优化问题（例如路由，调度，分配和混合整数编程）中的应用，包括在这些情况下使用神经网络近似。

本书可作为计算机科学与技术、控制科学与技术、电子科学与技术等相关领域研究生和高年级本科生的教学参考书，也可供信息、通信、控制、优化等领域的科研人员参考。

本书为深圳信息职业技术学院等高职院校与腾讯集团共同编写的高等职业教育人工智能技术服务专业校企“双元”合作系列教材，同时也是高等职业教育计算类课程新形态一体化教材。    本书采用项目化任务分解的形式，讲解深度学习开发与应用技术。全书分为10个项目16个任务，主要内容包括：认识人工智能，Linux系统和Python开发环境安装，安装人工智能深度学习开发环境，准备训练所用知识库——认识和预处理数据集，构建多层感知模型进行手写数字图像识别，优化多层感知模型进行手写数字图像识别，构建卷积神经网

深度学习已经广泛的应用到智能制造的各个方面。本书以智能制造为背景, 分别介绍了深度学习在故障诊断、表面缺陷预测、健康状态评估等方面的工作。本书的内容不仅涵盖了深度学习的基本概念和理论, 更多的介绍了常见的深度学习模型及其实现方式, 以通俗易懂的方式, 为读者呈现出深度学习的核心内容。突出为智能制造专业服务的主线, 在案例的选取上, 摒弃了传统以图像识别、自然语言处理为主的讲解模式, 通过选择智能制造及智能制造系统中案例, 指导读者更好的了解深度学习的使用方法和技巧。本书介绍了深度学习的

本书主要讲解了机器学习算法的基础知识，以及业界常用算法的应用。其中，项目1 介绍了机器学习的定义、类型、环境搭建以及开发步骤；项目2 介绍了如何进行数据预处理，包含如何对获取的原始数据进行处理、数据集的划分、数据的归一化，以及如何使用主成分分析来提取数据的主要特征等内容；其他8个项目主要介绍了目前主流的机器学习算法。每个项目均介绍了要讲解的算法的原理、步骤、特点，再通过具体的案例对算法的原理知识展开详细的讲解，并将算法应用于实际的场景中，加深读者对算法的理解。
　　本书可作为高等院校大数据

本书系统阐述了人工智能的基本原理、方法和应用技术，以知识为线索，分为知识搜索、知识发现、知识推理和知识应用四个部分，全面反映了人工智能领域国内外的最新研究进展和动态。为便于读者深入学习，每章的最后一节均配有相关方法的案例和编程内容，大部分章末配有课后练习，读者可扫描书中二维码获取相关代码和参考答案。
本书可作为高等学校智能科学与技术、人工智能、自动化、机器人工程等相关专业学生学习人工智能课程的教材，也可供从事人工智能研究与应用的科技工作者参考。