《模拟现实服务的虚拟服务技术继续使用意向研究》从技术接受理论入手，以理解虚拟和现实认知一致性以及体验满意程度为导向，解释了在现实的服务被虚拟化后，现实体验和虚拟体验的一致性差异会如何影响个体对体验满意度的认知。

“达人迷”图书是畅销欧美近30年的经典书系，得到了亿万初学者的认可。本书秉承了“达人迷”系列图书一贯的优点，既简洁易懂又能够广泛地带领读者了解并学习到人工智能相关的知识要点。2017年被称为“AI应用的元年”，这意味着人工智能正在迎来技术的革命，同时也在吸引着越来越多的人才进入。如何紧跟时代的步伐，跨入AI新纪元，变得愈加重要。本书由浅入深地带领读者揭开人工智能神秘的面纱，涉及算法、软硬件、自动化、AI医疗、数据分析、机器学习、深度学习、机器人、无人机、自动驾驶汽车、AI寒冬、太空中的AI等热点话题，同时以事实依据破除AI炒作，帮你清楚地认知真实的人工智能。本书内容深入浅出，适合人工智能初学者、对人工智能感兴趣的读者、普通高校学生以及想要在该领域投资或想转行进入人工智能领域的读者阅读。

《基于脑电技术的数字界面可用性评价方法研究》分析了国内外数字界面可用性评估理论及研究现状，在总结了新的设计科学、神经科学、认知心理学、认知神经科学的研究成果的基础上，运用界面认知理论分析、界面脑电实验研究和实例验证的方法，围绕数字界面信息的用户认知机制，对数字界面可用性的脑电生理定量评价方法进行了研究。《基于脑电技术的数字界面可用性评价方法研究》提出的脑电实验评价方法为数字界面可用性评估提供了新思路和新方法，有助于设计师对数字界面进行评估、改良和优化，其研究成果为有效实现对数字界面的综合评价提供了重要技术手段和理论依据。

人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。近年来，国家政策扶持和市场产业需求进一步推动了人工智能从理论到实践的转化，我国人工智能的发展呈现出令人鼓舞的强劲态势。但是，我国人工智能发展也存在过热和泡沫化风险，社会大众对于人工智能的基本概念、方法与应用等方面的认识还存在盲区，也存在误解。《人工智能：用AI技术打造智能化未来》介绍了人工智能发展的几个重要阶段，其在生产、生活和国家安全等领域的应用，并在《人工智能：用AI技术打造智能化未来》中尝试对目前发展中的瓶颈问题提出解决方法。

在人工智能和万物互联的时代，“智能”和“安全”是内在关联的两大主题。《智能与安全漫语》一书围绕智能系统、人工智能和安全领域的基本要素及其交织关系，将重要的概念、事实和观点融入“往日踪迹”“现实浪潮”和“未来世界”三个时空背景之中，以精彩、通俗的讲述和阐释，为大众认识蓬勃发展的智能世界、理解日益重要的安全体系，提供有力的帮助和启迪。

《机器学习及其应用》比较系统地介绍机器学习的基础理论与应用技术。首先，介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；在详细探讨神经网络与深度学习基本理论的基础上，介绍深度卷积网络、深度循环网络、生成对抗网络等若干典型深度学习模型的基本理论与训练范式，分析讨论深度强化学习的基本理论与方法。《机器学习及其应用》站在高年级本科生和低年级硕士研究生的思维角度编写，尽可能用朴实的语言深入浅出地准确表达知识内容，着重突出机器学习方法的思想内涵和本质，使得广大读者能够掌握全书主要内容。 《机器学习及其应用》每章均配有一定数量的习题，适合作为智能科学与技术、数据科学与大数据技术、计算机类相关专业的本科生或研究生的机器学习入门级教材，也可供工程技术人员和自学的读者学习参考。

本书由四篇共１７ 章组成 篇是基础理论篇 共九章（第１ ~ ９ 章）从整 体角度介绍人工智能的基本概念与基础理论 第二篇是应用技术篇 共四章（第 １０ ~１３ 章）介绍人工智能基础理论与相关分支领域相融合所产生的新技术 第 三篇是应用篇 共三章（第１４ ~１６ 章）介绍智能产品的开发及目前广为流行的四 种应用实例 第四篇是展望篇 共一章（第１７ 章）对人工智能学科今后发展提出 建议和看法。 在本书的编写中坚持三项原则：教材的现代性，即新的技术路线与新的体系， 并形成新一代人工智能技术，教材的应用性，即更加关注人工智能与其他学科、领 域的融合，将人工智能应用到多个行业中去，教材的引导性，即坚持教材的入门与 引导作用 本书的出版在一定程度上填补了新一代人工智能教材的空白 本书适合作为人工智能、计算机类专业及相关专业“人工智能”课程教材及培 训教材，也可作为人工智能应用、开发人员的基础读物。

本书系统地论述了模式识别基本概念、算法及应用，体现了传统模式识别内容与当前新发展的结合与补充。全书包括三部分内容，共15章。第一部分共7章，主要介绍了经典模式识别方法，着重讨论监督学习，即已知训练样本及其类别条件下分类器的设计方法，然后介绍了无监督模式识别，后讲解了模式识别系统中，特征提取和特征选择的准则和算法；第二部分共3章，主要介绍了现代模式识别方法，包含支持向量机、组合分类器以及半监督学习; 第三部分共5章，主要介绍了深度学习模式识别方法， 从现有的深度神经网络出发，讲解了强化学习、宽度学习、图卷积神经网络等模式识别方法。以实例的形式给出模式识别在各个领域中的应用，使读者对模式识别方法有更直观的认识。 本书可作为高等院校模式识别、计算机科学与工程、控制科学与工程、智能科学与技术等相关专业研究生或本科生的参考用书，也可为人工智能、计算机科学、控制科学领域的研究人员提供参考。

本书以简明的方式系统地论述了人工智能的基础知识及其拓展和应用。全书共16章，前10章介绍人工智能学科的基础知识，包括人工智能的发展历史、知识的表示、搜索策略、确定性推理、不确定性推理、专家系统、神经网络、智能计算、机器学习和模式识别；接下来5章进行了拓展，讲述了混合智能系统和表示学习，还介绍了神经网络在模式识别和图像处理中的应用、自然计算在聚类上的应用，并介绍了多目标优化算法及动态多目标优化；最后一章介绍了人工智能领域的前沿技术及其展望。每章都附有习题、延伸阅读和参考文献。 本书可作为高等院校智能科学与技术、计算机科学、电子科学与技术、信息科学、控制科学与工程、模式识别与人工智能等专业本科生及研究生的教材，同时可为相关领域的研究人员以及对自然计算和神经网络及其应用感兴趣的工程技术人员提供参考。

本书是一本针对高校学生的**TensorFlow学习教材。作者结合众多高质量的代码，生动讲解了TensorFlow的底层原理，并从实际应用问题入手，从实践的角度出发，通过具体的TensorFlow案例程序介绍常见的模型和应用解决办法。同时，在教材中还介绍了模型部署和编程过程中所用到的诸多开发技巧。是学习和掌握人工智能这个*新、*火的IT领域的推荐图书。