本书介绍了人工智能的发展历史？基本流派？研究领域， 知识表示方法和推理技术？图搜索技术， 专家系统及其开发工具的使用和设计方法，模糊理论及应用， 机器学习和神经网络， 卷积神经网络， 混沌理论， 智能优化算法原理和应用， 多智能体技术等内容？ 本书是作者在多年教学和科研实践的基础上， 参阅了国内外现有教材和相关文献后编写的？全书注重理论与实践的结合， 注重算法的实际应用与实现方法， 注重创新思维的训练与培养？ 本书可作为高等院校人工智能？自动化？电气工程及其自动化？计算机科学与技术？电子信息工程等专业学生“人工智能” 课程的本科生？研究生教材， 也可供从事人工智能研究与应用的科技工作者学习参考？

本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行；第2章为机器学习概述，讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本；第3章介绍从生物神经元到感知器的内容，讲解基于MCP神经元实现布尔逻辑、感知器、使用感知器做分类等；第4章介绍人工神经网络，讲述的内容包括从感知器到多层感知器、带有权值的MCP神经元—感知器、反向传播神经网络、使用人工神经网络分类mnist；第5章介绍Logistic回归与Softmax回归；第6章介绍卷积神经网络，讲述感知器模式识别、卷积操作、卷积神经网络的结构、使用TensorFlow实现卷积神经网络的实例；第7章介绍循环神经网络，包括循环神经网络的特征、有限状态机、从MCP神经网络到循环神经网络等；第8章介绍LSTM循环神经网络，包括梯度弥散现象、长短期记忆网络、通过TensorFlow实现一个简单的LSTM；第9章深入讨论TensorFlow，讲解机器学习框架、计算图、神经网络与计算图、TensorFlow中的数据流图、使用GPU、数据可视化工具TensorBoard等；第10章为TensorFlow案例实践，包括构建TensorFlow的图片分类系统、准备代码和训练集、构造模型计算图、训练模型、评估模型的性能、多GPU训练等。本书旨在帮助具有较少数学基础并期望在深度学习上有所作为的学习者，希望为他们提供一个快速上手深度学习的实战教程。本书适合阅读的读者包括相关专业的本科生或研究生，以及不具有机器学习或统计知识背景但想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

模糊信息处理是智能信息处理的重要方向。本书是关于模糊信息处理理论与应用的一部专著。全书共12章，系统地阐述模糊集合、模糊关系、模糊逻辑、语言变量和模糊不确定性等模糊集合与模糊系统的基础理论，对模糊信息处理在模糊聚类、模糊神经网络、模糊识别技术、模糊图像分割以及目标跟踪的模糊信息方法等方面的理论和应用进行深入分析，给出相应的技术与方法。

暂缺简介...

情节像探险小说一样吸引人的乐高机器人设计书 用五个生动的机器人案例，教你思考如何设计机器人开展玛雅历险 中文乐高论坛核心团队精心翻译解读。 “我要从哪里开始？设计机器人应该从哪里开始？”这是机器人“新手”常见的问题。而本书的核心就是要回答这个问题。 ●教你关注机器人的工作环境和任务详情 ●教你机器人的设计思路 ●教你如何测试机器人 ●教你搭建和编程知识 参加各种机器人竞赛的教练和队员、机器人课程的老师和学生，还有机器人爱好者们，都会从本书中受益匪浅。

人工智能是当下受关注的技术创新和产业趋势。从积极方面说，人类能够利用人工智能提高生产和生活效率，这已成共识，可以讨论的只是在多大程度上实现这一点。从消极方面说，“第四次革命”“奇点”“颠覆性影响”等说法，形形色色，传递出人类对人工智能既爱又怕的复杂心态。为了利用人工智能，应对可能的冲击，前瞻人工智能可能给人类带来负面影响的研究越来越多，这同样是必要的，只有把各种可能性都做了考虑，才能未雨绸缪，确保人工智能开发不至于走得过远，集聚失控风险。问题是，目前国内有关人工智能风险的研究大多未涉及人工智能本身的属性，即使有，多半也只是一些碎片化言论，缺乏完整论述，更未对所取立场、视角和方法作方法论反思。因此，此类研究虽则在具体问题上见仁见智，提出了不少有价值的看法，但基本上停留在形而下的层面，将人工智能等同于人类已有的创造，并以人类过往对科学技术的有效管控为参照，对人工智能与人类智能的关系，采取简单乐观的态度，至多针对就业岗位减少等表层效应，提出预测和应对方案，而就人工智能开发整体上表示审慎态度和长远忧虑的论述极少。客观地说，如此态势对人工智能的发展来说，构成了相当友好的环境，但就正视人工智能可能带来的颠覆性影响，充分评估潜在的负面效应，提前做好风险应对的准备而论，则是明显不够的。一旦出现未曾预料的新现象、新进展、新证据或新后果，现有的前瞻研究很可能被证伪，无法起到科学预测应有的作用。事实上，从“深蓝”到AlphaGo，遵循“摩尔定律”的人工智能，以其神速发展和已达到的智慧水平，一再令人大感意外。按照这样的轨迹和速率，在未来的日子里，人工智能震惊人类的频率和烈度，只会趋于密集和增高，盲目乐观将被证明是不明智甚至愚蠢的。作为对人类共同命运的关注，中国的人工智能风险研究尤须走出表层思考，努力提升思维层次，形成与发达国家学者对等交流的态势。从确保前瞻研究的方法论严谨和预测可靠出发，保持适度超脱，站在哲学高度，严肃提出问题，破除遮蔽，擦亮思维，激发洞察，才能站上前瞻研究的制高点。

《情感机器人》指出目前的“情感计算”犯了方向性错误，把情感的外在表现形式当作情感本身；指出情感的本质就是价值，情感表达、情感识别、情感计算在本质上就是价值表达、价值识别和价值计算；根据“数理情感学”所揭示的情感本质、情感数学定义、情感强度三大定律、情感的逻辑运算法则等，创造性地建立了情感的理论模型；构建了情感机器人的八大系统：感觉系统、认知系统、评价系统（包括价值观系统和情感系统）、意志系统、自我意识系统、记忆系统、注意系统、感知情意交互系统，并且详细绘制了八大系统的逻辑框图；深刻阐述了人类自主性、人情味和创造性的根本来源，全面分析了情感机器人所面临的伦理问题、法律问题、社会问题和技术问题。本书适合于从事计算机技术、互联网、人工智能、人工情感、机器人、思维科学、生命科学、心理学等方面工作的人群。

Google的TensorFlow是机器学习世界的游戏规则改变者。《TensorFlow 1.x机器学习（影印版 英文版）》将教你如何发挥Python和TensorFlow 1.x的威力更容易地入门机器学习。首先，你将了解基础的安装过程并浏览TensorFlow 1.x的各种能力。然后是训练和运行分类器，以及介绍库中的特性，包括TensorBoard的数据流图、训练和性能可视化——全部通过一个例子展现——富含背景信息且来自多个行业的实际问题。你将进一步探索文本和图像分析，并在TensorFlow 1.x中学习CNN建模和设置。接下来，实现一个完整的真实生产系统，从训练到运行一个深度学习模型。逐步深入学习Amazon Web Services（AWS）并创建一个深度神经网络以解决视频活动识别问题。*后，把caffe模型转换到TensorFlow，并学习高级TensorFlow库：TensorFlow—Slim。学完《TensorFlow 1.x机器学习（影印版 英文版）》，你会被武装成可以应对机器学习环境中任何TensorFlow 1.x相关挑战的绝地武士。

暂缺简介...

通过阐释充满争议的法律、伦理和哲学问题，本书揭示了围绕机器人及其调控产生的问题远比人们预计的复杂，尚有大量关于机器人界定和适用的问题等待解决。