配套视频+PPT+全部数据及源代码 获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：Keras 这是一本理论与实践兼顾的深度学习著作，它通过精心的内容组织和丰富的案例讲解，能让读者零基础入门，并迅速晋级为有一定理论基础和项目实战能力的高手。 基础方面，不仅介绍了Keras等各种深度学习框架的使用和开发环境的搭建，还对深度学习的基础知识做了全面讲解； 理论方面，详细讲解了全连接神经网络、卷积神经网络、循环神经网络、自编码器和生成式对抗网络等核心神经网络的原理和应用； 应用层面，不仅讲解了如何用Keras开发各种深度学习模型，而且还讲解了深度学习在图像处理和文本处理两大核心场景的应用； 实战方面，每个深度学习模型原理的背后都有精心设计的Keras实现代码，每章都有多个综合性案例，读者可以在调试和执行代码的过程中掌握深度学习模型设计与开发的各种方法和技巧。 本书内容结构合理，重点突出；写作方式循序渐进，易于读者理解；行文风格幽默风趣，读起来不枯燥。

《人工智能：探昔论今（英文版）》涵盖了人工智能的广泛领域。首先，《人工智能：探昔论今（英文版）》系统全面地介绍了人工智能的核心知识，包括传统人工智能的基本理论和技术，计算智能的基本原理和方法。其次，该书侧重于发展迅速、应用广泛的人工智能新技术，对神经网络和深度学习及其应用进行了较为全面的介绍。再次，该书理论与实践高度融合，第8章至第12章列举了人工智能的应用实例，如专家系统、智能规划、智能感知、自然语言处理等，有助于读者对人工智能的全面理解。《人工智能：探昔论今（英文版）》可作为高等院校相关专业本科生和研究生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者和技术人员学习参考。

《基于深度学习的机器阅读理解》介绍了基于深度学习的机器阅读理解技术，内容涵盖：任务定义与分类、发展历程、模型评测和典型应用；多层感知机、表示学习、卷积网络、循环网络、注意力机制等深度学习基础；基于深度学习的机器阅读理解技术的共性框架；指针网络等代表性模型，以及它们与共性框架的对应关系；本领域的新动向、新趋势，及尚待解决的开放性问题。最后，附录中简介了机器学习和文本分析基础，引入经典机器阅读理解技术，并汇总了《基于深度学习的机器阅读理解》涉及的英文简称和互联网上公开可用的模型算法源码。

本书从产业政策、市场规模、投融资情况、发明专利申请、SCI论文发表、顶级会议论文发表、知名机构等方面，对世界主要国家（地区）在人工智能基础层、技术层、应用层的发展态势开展研究。评估得出人工智能产业各个板块不同领域的主要创新实体（国家或地区）、企业、研究机构的基础研究水平、前沿技术创新能力以及产业化应用情况等，提出我国具体开展国际科技创新合作的重点国家（地区）与机构等。另一方面，从中国视角出发，对在人工智能产业领域开展国际科技创新合作进行SWOT分析，为人工智能领域的科研工作者全面认识人工智能领域发展态势提供依据，为人工智能领域产业政策制定者提供数据支撑。

本书以《写给新手的深度学习》这本书的内容为基础，对深度学习的内容进一步深入探讨。从简单的RNN到作为其发展形式的LSTM和GRU，甚至在生成模型中对VAEGAN进行处理。本书也和上一本一样不使用框架，而是将各种各样的深度学习的发展形式，数学公式和代码无缝连接，这样既能很好地理解内部的实现，也能在发生问题的时候轻松地想到解决问题的办法。本书虽然是上一本书的延续，但是内容体系是完整的，并在前三章对第一册内容进行了简单回顾，所以即使没有读过上一本书，也不影响本书的学习。

本书包含六个章节，详细分析了面向儿童群体的人工智能发展现状、与儿童相关的人工智能原则政策和法律，以及面向儿童群体的人工智能应用，并编选国内39个人工智能应用典型案例，尽可能反映涉及儿童群体的人工智能应用类型，如课堂教辅、在线教育、智能陪伴、儿童安全、儿童健康及公益/弱势群体等，具有一定实际参考价值。

多媒体安全与人工智能安全是近年来迅速发展的研究领域。本书采用“极简综述”的形式，围绕多媒体隐写、多媒体水印、多媒体取证与评价、神经网络安全四部分内容，涉及图像、视频、音频、文本、神经网络等研究对象，汇集了该领域新研究成果。本书各章在内容上相互独立，简明扼要介绍了其中某个方向要解决的主要问题与核心方法，旨在帮助读者用较短时间从整体上迅速掌握该方向重要的信息。本书既可为对此领域有兴趣的读者提供便捷的指引，也可作为多媒体与人工智能安全方向研究生的入门教材。

本书集合了基于应用领域的高级深度学习的模型、方法和实现。本书分为四部分。第1部分介绍了深度学习的构建和神经网络背后的数学知识。第二部分讨论深度学习在计算机视觉领域的应用。第三部分阐述了自然语言和序列处理。讲解了使用神经网络提取复杂的单词向量表示。讨论了各种类型的循环网络，如长短期记忆网络和门控循环单元网络。第四部分介绍一些虽然还没有被广泛采用但有前途的深度学习技术，包括如何在自动驾驶上应用深度学习。学完本书，读者将掌握与深度学习相关的关键概念，学会如何使用TensorFlow和PyTorch实现相应的AI解决方案。

本书包括三个部分，首先介绍自动驾驶仪和库的特性。然后着重介绍对ArduPilot库的重要部分的理解，其中描述了代码的每个主要组成部分。第三部分是高级特性部分，目的是将获得的知识扩展到实时应用程序。每个部分都详细描述了代码及其组件、应用程序和交互。

本书首先介绍了在具有完整位置和速度信息的全局坐标系中导航和运动规划的模型和算法。第二部分研究了机器人在势场中的运动，势场是由机器人的期望和知识的环境状态定义的。第三部分介绍了机器人在未知环境中的运动以及利用感测信息进行环境映射的相应任务。第四部分从二维和三维两个方面研究了多机器人系统和群体动力学。