本书主要介绍主流的人工智能理论、算法以及Python实现方法，目的是使学生学会人工智能理论及推导过程，并且掌握调用Python人工智能库和自定义编码的方法。全书共分10章，分别为人工智能与Python概述、Python基础、线性回归及其Python实现、逻辑斯蒂分类及其Python实现、最大熵模型及其Python实现、K-近邻分类与K-均值聚类及其Python实现、朴素贝叶斯分类及其Python实现、决策树及其Python实现、神经网络及其Python实现、图像识别领域的应用案例。 本书可作为计

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的最新进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、不确定性推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11 章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读

本书从基本的人工智能理论出发，使用Python语言编程，基于Tensor-Flow和Keras深度学习框架，以理论讲解为基础，以项目实战为导向，系统地讲述了人工智能、深度学习和计算机视觉中相关的基本概念、理论方法和经典算法。既有对基础知识和理论模型的介绍，也有对计算机视觉相关领域实际案例的实现方法和技术技巧的详细阐述。

《人工智能及其应用（第7版）》全面系统介绍了人工智能的基本原理及其应用，涉及人工智能概述、基于知识的人工智能、基于数据的人工智能、人工智能的算法与编程、人工智能的计算能力、人工智能发展展望及人工智能的应用。第1章叙述人工智能的定义与发展，提出人工智能的核心要素、学科体系和系统分类。第2章～第4章介绍知识表示、知识搜索与推理、基于知识的机器学习。第5章～第7章介绍群体智能与进化计算、数据处理和人工神经网络、基于数据的机器学习。第8章～第9章介绍逻辑型人工智能编程语言、解释型语言和深度学习开源框架。

全书分为两篇，第1篇为自动控制原理，内容包括系统数学模型的建立、分析系统性能的常用方法、系统性能分析、改善系统性能的途径以及MMATLAB/SIMULINK系统仿真在实际系统分析中的应用；第2篇为自动控制系统，内容包括直流调速系统、交流调速系统、位置随动系统和自动控制系统的分析、调试及维护维修。本书第5版修订时，保持原书获得好评的特色，以自动控制原理作为分析工具，自动控制系统作为分析对象，围绕系统性能分析和改善系统性能途径，重点讲解系统结构、关键部件、系统参数确定、仿真与调试，注重理论

本书服务的主要对象为人工智能技术应用专业学生、相关人工智能类专业学生以及想要涉足人工智能的读者。本书采用"教、学、做一体化”的教学方法，围绕智能语音技术，主要介绍了云端智能语音应用、终端智能语音应用、综合智能语音应用三大部分。课程以实际项目转化的案例为主线，按"理实一体化”的指导思想，从"鱼”到"渔”，培养学生知识迁移能力，做到学以致用。本书主要特点如下：(1) 注重软硬一体相结合，以"行业应用案例”贯穿课程；(2) 引入人工智能工具平台技术，深化产教融合(3) 结合社会主义先进文化，促进课程思

本书是基于Python以及飞桨（PaddlePaddle）深度学习框架的实践性机器学习入门教程，内容涵盖Python基础语法、机器学习常用算法以及在计算机视觉和自然语言处理等经典领域的详细案例解析。

本书语言简洁易懂，注重实践与理论相结合，旨在帮助读者掌握机器学习的核心概念和技能。通过阅读本书，读者可以快速了解机器学习各种算法的应用场景，并掌握使用PaddlePaddle来解决机器学习问题的方法。对于想要入门机器学习的人来说，本书是一本实用性较强的参考书。

"本书在总结作者人工智能教学成果与校企合作项目工程应用成果的基础上，将常用的人工智能方法汇总成可参考、可阅读、可复制、可再次应用的项目手册。项目内容主要包括：开发环境、图像与视频的操作、模板匹配、特征点与特征匹配、运动物体检测、目标跟踪、图像检索、手势识别、图像内容识别、手写字符识别、速算题目识别、上位机开发以及软硬结合的人脸疲劳检测。各项目内容均包括人工智能软件设计方法与代码实现步骤。    本书通过多个实际应用案例的讲解与分析，为读者提供快速掌握人工智能工程化能力的方法与步骤，使读

机器学习就是希望机器能够模拟人类学习的过程，使机器在没有明确人工指导的情况下通过分析数据不断获得经验和知识，再调整自身行为进行自我学习，从而改善性能。因此，机器学习融合了人工智能、信息科学、计算机科学、以及类脑科学的相关领域知识，被广泛应用于国防安全、智能制造、智慧医疗、智慧城市、以及数字娱乐等。本书共包含9章内容，第1-4章主要介绍了机器学习的基本方法，包括基本概念、无监督聚类分析、有监督统计学习和有监督判别学习；第5-7章主要介绍了深度学习基础知识、经典网络、以及前沿进展；第8-9

本书系统阐述了智能算法在波束形成设计、波达方向估计与声源定位中的应用。全书分三篇，共11章，主要涉及仿人智能算法、仿生物进化智能算法、群体智能优化算法和深度学习等的原理、方法及实现框架，宽带波束形成、稳健自适应波束形成、混响背景下波束形成的设计原理与方法，以及宽带信号波达方向估计与近场声源定位算法，也给出了智能算法在波束形成器设计、波达方向估计和声源定位中的应用实例。
本书内容涉及较广，在内容组织上力求系统、科学、合理，特别注重逻辑性，介绍由浅入深，便于自学。本书可作为人工智能、