《时间序列混合智能辨识、建模与预测》提出了时间序列混合智能辨识、建模与预测的理论和方法。内容分四篇共16章。第一篇阐述了时间序列分析的重要性，从文献计量学的角度对时间序列的新国际研究进展进行了归纳总结，系统阐述了当前国内外主流时间序列辨识、建模与预测的计算策略和经典算法体系；第二篇介绍了铁路沿线风速混合智能辨识、建模与预测理论方法，包括基于特征提取的GMDH神经网络、长短期记忆深度网络、卷积门限循环单元网络、Boosting集成预测和Stacking集成预测模型；第三篇提供了智慧城市大气污染物浓度的特征分析方法及浓度时间序列建模与预测模型，包括点预测、区间预测、聚类混合预测和时空混合预测等理论；第四篇对金融股票价格时间序列进行特征提取与混合预测，包括贝叶斯统计预测模型、BP/Elman/RBF等神经网络预测模型、CNN/LSTM/BiLSTM等深度网络预测模型。《时间序列混合智能辨识、建模与预测》提供了各类模型的预测实例。

本书是一本介绍将人工智能技术应用于机器人的书。它以人工智能为核心，介绍了神经网络、机器学习、自然语言处理、路径规划、决策树等技术。作者使用一个贯穿全书的实例，从机器人硬件组装开始，一步步深入，详细介绍了如何分析及解决各种实际问题。跟着作者一起操作，你也可以开发出一个功能强大、技术先进的实用机器人。

传统的本体构建有六大任务模块，即预处理、术语抽取、概念抽取、层次关系抽取、非层次关系抽取、形成本体，可见抽取工作是其中的重要研究内容。 《面向文本的领域本体构建中信息抽取技术研究》专注研究其中的术语抽取、概念抽取、层次关系抽取、非层次关系抽取这四个与抽取相关的任务，并对笔者近年来在领域本体学习研究方面取得的一些成果进行了梳理和总结。

深度学习在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、推荐系统工程实现、模型评估体系、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。　《深度学习推荐系统》既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本 科生、研究生、博士生阅读，帮助他们建立深度学习推荐系统的技术框架，通过学习前沿案例 加强深度学习理论与推荐系统工程实践的融合能力。

《从统计世界走向人工智能——实战案例与算法》叙述了从数学到统计、从统计到人工智能的发展，结合大量的实际商业应用案例介绍了诸多经典的机器学习算法，比如LASSO回归、MCMC、决策树、随机森林和神经网络等。《从统计世界走向人工智能——实战案例与算法》将案例与算法结合，基于人工智能的场景，从理论到实际操作层层递进，读者从中可以学习从需求到分析，再到结论的实际编程方法。当读者阅读完《从统计世界走向人工智能——实战案例与算法》后，不仅可以了解实际问题的需求，而且可以学习到解决问题的算法。

《人工智能基础》主要介绍人工智能的发展历史、基本概念、技术基础及实际应用，从数学基础、编程基础及控制基础等方面进行阐述，使学生理解人工智能的基本原理，特别是数据、算法及应用之间的相互关系。《人工智能基础》包括绪论、人工智能数学基础、人工智能通信技术、智能控制、深度学习、智能机器人、人工智能伦理和人工智能创新创业应用共8章，力争通过由浅入深的讲解和大量的实例帮助读者快速掌握人工智能技术的具体应用方法。《人工智能基础》内容既适合控制相关专业人员，也适合非控制相关专业人员阅读。《人工智能基础》可以作为高校理工科学生学习人工智能技术课程的入门教材。

《机器学习案例分析（基于Python语言）》共分为4个部分：1、基础知识：主要介绍机器学习的基本概念、Python的基础知识、常用第三方库，并结合网络爬虫及信息提取案例和股票数据图表绘制案例使读者对本部分内容有更好的理解。2、有监督分类案例：包括Iris数据分类、新闻文本数据分类、手写数字图像识别和场景文字检测共4个案例。3、无监督聚类案例：包括人脸图像聚类和文本聚类共2个案例。4、回归预测案例：包括房价预测、员工离职预测和广告点击率预测共3个案例。

本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。 本书随书提供了机器学习中若干重要问题的MATLAB完整解决方案，包括飞行控制、人脸识别、自动驾驶。书中所有的示例和应用程序都提供了完整的源代码。 机器学习包含大量的数学概念与理论解释。书中以清晰简洁的方式介绍了其中每个领域的数学知识，即使是并不经常接触数学理论的读者也可以轻松理解。工程领域的读者会看到这些数学知识与他们已经了解的领域技术之间的密切联系，并将学习到新的技术。 本书主要内容： l如何使用MATLAB构建机器学习应用 l适用于机器学习的MATLAB可视化技术 l面向工程的机器学习应用案例

“智识书系”之《人类未来》是一本立足科学、思考人类现状与未来的科普读物。第一章分析了当下地球的一些潜在危机，包括能源、核威胁、气候变化等；第二章以当下科技发展为根据，预言生物技术、网络技术、人工智能等将对人类未来产生的改变及风险；第三章从地球和人类转向更宏大的宇宙，探讨太空飞行、外星智慧等天文、宇宙方面的远景；第四章来到科学的边界，以科学视野重新看待分析地球与人类的现状和发展本质；第五章回到人类，试图提供人类靠自身改变未来的可行途径和方式。本书适合对科学、尤其是天文学、物理学感兴趣，并对未来存有思考和遐想的读者。

《数据挖掘与机器学习：PMML建模（上）/人工智能开发丛书》结合实际例子详细介绍了数据挖掘和机器学习领域关联规则模型、朴素贝叶斯模型、贝叶斯网络模型、基线模型、聚类模型、通用回归模型、回归模型、高斯过程模型以及K近邻模型九种模型的表达方式及构建知识。读者好同时结合《PMML建模标准语言基础》一书进行学习，以便融会贯通，灵活运用，更好地把PMML语言应用到自己的项目实践中。《数据挖掘与机器学习：PMML建模（上）/人工智能开发丛书》的读者对象为从事数据挖掘、机器学习、人工智能系统开发的人员以及教师和学生，也可以作为大数据及机器学习爱好者的自学用书。