本书是《智能计算系统》教材的配套实验教程，全书基于智能计算系统各章节的重点或难点，结合智能计算系统的软硬件技术栈设计了基于通用CPU平台和深度学习处理器平台的分阶段实验和综合实验。实验设计与理论章节一对一匹配，结合知识树的构建，帮助读者轻松上手实验，切实强化动手能力，让读者真正掌握智能计算系统的部署与优化。

本书带你入门学习如何使用树莓派与Arduino构建一个具有高级功能的机器人。本书将一步步地讲授构建机器人的过程，你将学到如何利用树莓派提供的强大计算能力，如何利用Arduino与传感器和电动机进行更好的交互，并利用这些优点来构建机器人硬件系统。同时学会Python编程基础知识，并利用其进行更强大的智能功能开发。然后通过使用OpenCV和USB网络摄像头，你将制造一个可以追逐球的机器人。 本书适合开始探索机器人领域的创客、爱好者和学生阅读。本书将帮助你快速入门智能机器人的设计、构建与开发，掌握相关的硬件设计搭建与软件编程开发能力，让你带着乐趣逐步探索机器人世界。

随着互联网、物联网、云计算等技术的不断发展，许多领域都产生了大量的数据。利用机器学习技术分析海量数据，可以从数据中发现隐含的、有价值的规律和模式，进而用于预测并采取相应动作。在上述背景下，《实战机器学习（人工智能技术丛书）》从理论、技术和应用三个层面入手，全面讲解如何利用机器学习技术解决实际问题。《实战机器学习（人工智能技术丛书）》共分26章，内容包括机器学习解决问题流程、问题分析与建模、数据探索与准备、特征工程、模型训练与评价、模型部署与应用、回归模型、支持向量机、决策树、集成学习、K近邻算法、贝叶斯方法、聚类算法、关联规则学习、神经网络基础、正则化、深度学习中的优化、卷积神经网络、循环神经网络、自编码器、基于深度学习的语音分离方法、基于深度学习的图像去水印方法、基于LSTM的云环境工作负载预测方法、基于QoS的服务组合问题、基于强化学习的投资组合方法、基于GAN模型的大数据系统参数优化方法。《实战机器学习（人工智能技术丛书）》内容全面、示例丰富，适合机器学习初学者以及想要全面掌握机器学习技术的算法开发人员，也适合高等院校和培训机构人工智能相关专业的师生教学参考。

本书是一本区分统计数据挖掘和机器学习数据挖掘的图书。它创造性地汇编了数据挖掘技术，解决了对经典和现代统计方法框架的扩展，用于预测建模和大数据分析。SM-DM为数据挖掘领域新晋的数据科学家所面临的共同问题提供了适当的解决方案。它的展示侧重于数据科学家（通常被称为统计学家、数据采矿者和数据分析师）的需求，提供实用但又强大的、简单而又有洞察力的量化技术，其中大部分使用了新机器学习影响改进的“旧”统计方法。

时序逻辑是人工智能和计算机科学领域中的重要建模工具。随着时序逻辑的广泛使用，应用时序逻辑来对复杂系统进行推理和验证的算法也应运而生。其中最成功的方法之一就是Resolution算法，这也是本书的主题。 1965年美国数理逻辑专家鲁滨逊（J. A. Robinson）提出了一条Resolution推理规则，这标志着Resolution算法的起点。因其简洁性（整个推理过程中只使用一条推理规则）和便于机械操作的特点，Resolution算法得到了各国学者的重视，并且在各国学者的推动下发展得非常迅速。经过几十年的发展和持续的改进，到目前为止，Resolution算法在经典逻辑中已经趋于成熟。 本书主要聚焦Resolution算法在时序逻辑领域的研究，详细介绍了把Resolution算法从表达能力较弱的时序逻辑逐渐向表达能力较强的时序逻辑进行拓展和优化的研究成果。主要涉及以下几种时序逻辑： （1）线性时序逻辑（Propositional Linear-Time Temporal Logic） （2）计算树逻辑（Computation Tree Logic）和其扩展（Extended Computation Tree Logic） （3）交互时序逻辑（Alternating-Time Temporal Logic）

本书由近几年发表在各类顶 级期刊和国际会议/研讨会上的论文集结而成，囊括国内外深度学习研究者的成果。本书关注经典的稀疏/低秩模型与强调问题特定的先验性和可解释性的深度网络模型的集成，从而提高模型的学习能力和可解释性，同时更有效地利用大数据。书中展示了深度学习工具箱与稀疏/低秩模型和算法的紧密联系，并介绍了这些技术在维度约简、动作识别、风格识别、亲属关系理解、图像除雾以及生物医学图像分析等方面的成功应用。本书适合有一定基础的读者阅读，可扩展关于理论和分析工具的研究思路，并为深度模型的架构和解释提供有益的指导。

《深度学习神经网络设计及案例研究》主要对深度学习神经网络模型的设计与应用进行研究。首先，对深度学习神经网络理论的发展历史、基本概念进行回顾。然后，对深度学习神经网络衍生出的反向传播神经网络、卷积神经网络、大内存存储与检索神经网络进行深入分析。通过20个实际应用案例，对不同结构深度学习神经网络的优缺点进行比较，总结这些神经网络在不同领域的应用优势。最后，给出所有应用案例的核心代码，方便读者在这些代码的基础上，完成相应深度学习神经网络模型的设计和重构。

《重塑学习：元认知潜能的聚变与升维》一书共九章：第一章讲述认知、元认知的定义及两者的区别；第二章指出元认知对于学习的价值；第三章阐述基于元认知的学习策略；第四章至地七章，分别为元认知学习法在语文、数学、音乐及美学这四门核心学科中的应用；第八章帮助学生掌握积极的情绪管理；第九章阐述元认知对于构建终生学习理念与行为习惯的作用。本书旨在改变从被动低效的刷题式学习，使学生通过主动探索，获得高效通达事物本质及规律的学习能力。

《人工智能与用户体验：以人为本的设计》结合人工智能崛起的大背景，讲述了如何从人机交互的角度来设计AI产品和服务，如何让AI真正赋能于人。只有真正对人们有用，AI才能迎来真正的春天。《人工智能与用户体验：以人为本的设计》是一本科普书，尤其适合对AI及其未来影响感兴趣的读者，包括涉及AI产品和服务的设计师和产品经理以及对AI感兴趣的未来学家和技术爱好者等。

本书的编程语言以MATLAB为主，分别从学习方式和理论知识两个方面来对机器学习（实现人工智能的方法）的算法进行分类介绍。通过阅读本书，读者可以对人工智能的子集——机器学习形成一个系统、全面、完整的认识，并且在今后的研究工作中逐步拓展，*终形成自己的体系。全书共6篇，分别为特征处理算法、分类和聚类算法、神经网络算法、优化算法、基于不同数学思想的算法以及集成算法，每一篇都对该类别中常见算法的思想、流程、核心知识和优缺点等内容进行了详细介绍，并通过实际的案例分析和代码展示，对算法的具体应用进行了完整解析。 本书适用的读者对象包括金融机构的量化投资经理、科研工作者、互联网企业的算法工程师、大中专院校相关专业师生，以及其他对实现人工智能的机器学习技术感兴趣的读者。