本书以知识表示与处理所涉及的相关知识，如知识获取、知识表示、知识推理、知识迁移等内容为主体，完整呈现了知识表示与处理的知识体系。本书首先，介绍了知识表示与处理的发展、相关概念、流程等；其次，介绍了知识获取的内容；再次，重点介绍了知识表示的各种方法，如逻辑谓词、产生式规则、语义网络、本体、知识图谱等，以及知识推理所涉及的确定性知识推理和不确定性知识推理；最后，介绍了知识应用和知识迁移相关的内容。本书将免费提供配套PPT、实验及应用案例等基本教学材料。本书注重基础性、系统性和实用性，力求为学习知识表示与处理知识的读者提供一本基础的教材，同时为在其他学科应用知识表示与处理技术的读者提供一本深入浅出的参考书。本书适合作为人工智能、计算机科学与技术、自动化控制等相关专业的本科生和研究生的教材；部分内容也适用于高职高专学校的教学。

近年来，演化计算作为计算智能中传统的优化技术，已经广泛应用于求解各种数据挖掘问题，形成了一种基于遗传的机器学习新范式学习分类器。一方面，在真实场景中采集的原始数据不可避免地包含着冗余乃至噪声属性的信息，这些不相关的特征将对学习分类器算法的学习性能与计算效率造成负面影响。另一方面，学习分类器以显式规则表示目标概念，在监督学习或强化学习机制的基础上，利用演化算法对规则空间进行搜索，从而完成学习任务。规则空间的有效搜索是影响学习分类器性能的关键。针对上述问题，本书的主要探讨内容：一是学习分类器与特征选择方法，重点是做两者的整合研究，将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于遗传的机器学习框架下，同时改善分类算法的预测性能与运行效率；二是从提高规则空间的搜索质量出发，着眼于分类问题，介绍了基于分布估计算法的学习分类器。本书可作为大数据及人工智能等相关专业的教材与参考用书。

本书围绕模式识别的基本概念、基础理论和典型方法，从实际应用问题出发，系统描述了模式识别的常用方法和常见技巧，并给出了一系列实验及应用案例。本书首先介绍了机器视觉的概念及特征提取的概念和方法；其次介绍了线性分类模型、非线性分类模型、时间序列预测模型和混合模型等理论知识与实践操作；最后重点介绍了图像识别、视频目标检测与跟踪、语音识别、生物特征识别和医学图像检索等典型应用。

深度学习作为人工智能领域的“排头兵”，将在未来的新一轮产业升级中起到至关重要的作用。本书以“理论＋实践”的形式帮助读者快速建立深度学习知识体系，不仅能在算法层面上理解各种神经网络模型，而且能借助功能强大且极易上手的Keras 框架，熟练地搭建和训练模型，应用于解决实际问题。 全书共12章，内容涵盖入门深度学习的绝大部分基础知识。第1章讲解如何搭建深度学习的编程环境，并简单回顾了学习深度学习必备的数学知识。第2章从回归算法出发带领读者踏上深度学习之路。第3～9章全面讲解时下几种主流神经网络结构，包括多层感知机（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、 自动编码器（AE）、变分自动编码器（VAE）、对抗生成网络（GAN）等。第10～12章着重介绍时下主流的几类深度学习应用，包括图像识别、目标检测和自然语言处理等。无论是算法原理还是编程实践，本书都从易到难、循序渐进地讲解，并配合简单轻松的实例帮助读者加深印象。 本书不仅适合需要在工作中应用深度学习技术的专业人员，而且适合具备一定计算机编程基础的人工智能和深度学习爱好者。对于大专院校相关专业的师生，本书也是一本不错的参考读物。

人工智能时代已经来临，这项技术正在改变人类的认知和生活，也对社会各个领域产生了重大的影响。本书从理论基础、商业落地、实战场景、案例分析多个方面介绍人工智能，讲述人工智能对农业、金融、娱乐、医疗、营销、工业、教育等领域的影响。另外，为了迎合时代热点，本书还分析了人工智能与5G、区块链等前沿技术的融合及融合效果，使读者了解当人工智能成为不可逆转的趋势，应该如何跟上时代的步伐。本书是一本不可多得的实战书，不仅具备很强的操作性，还具备一定的前瞻性，是读者提升能力的必备工具。

图像搜索和识别是计算机视觉领域一个非常重要且基础的题目。本书对构成图像搜索和识别系统的各个算法基础模块一一做了介绍，并在最后一章以拍立淘为例说明了各个模块是怎样一起工作的。针对每个算法模块，本书不仅深入浅出地解释了算法的工作原理，还对算法背后的演进机理和不同方法的特点进行了说明，在第2章至第8章最后均提供了经典算法的PyTorch 代码和相关参考资料。 本书既适合图像搜索和识别领域的初学者，也适合在某个单一任务方面有经验但是想扩充知识面的读者。

目前我国人工智能教育与科研领域所使用的基础软硬件多为国外开发研制，其中Nvidia GPU占据了大部分市场。在此背景下，以寒武纪为代表的高科技企业成功开发并流片了国产智能处理器，打破了国外厂商在此领域的垄断地位，但是处理器的普及在于生态的建立与人才的培养，而高等院校是科学研究与人才培养的主阵地，在高等院校开设国产智能处理器相关课程，既有利于推进国产智能处理器的生态建设，也有利于国家人工智能领域人才的培养。为建设基于寒武纪国产智能处理器的人工智能教育科研平台，推动寒武纪在科学与工程研究项目中的广泛使用，培养掌握寒武纪平台的高水平人才，建设寒武纪应用生态，精心组织编写了本教材，并提供相应的实验教学套件。

本书针对产业界在智能化过程中普遍面临的数据不足问题，详细地阐述了联邦学习如何帮助企业引入更多数据、提升机器学习模型效果。互联网数据一般分布在不同的位置，受隐私保护法规限制不能共享，形成了“数据孤岛”。联邦学习像“数据孤岛”之间的特殊桥梁，通过传输变换后的临时变量，既能实现模型效果提升，又能确保隐私信息的安全。 本书介绍了联邦学习技术的原理和实战经验，主要内容包括隐私保护、机器学习等基础知识，联邦求交、联邦特征工程算法，三种常见的联邦形式，以及工程架构、产业案例、数据资产定价等。

《用Python编程和实践！深度学习教科书》是一本专门针对有一定编程经验，但没有Python和机器学习相关经验的读者编写的参考书籍，目标是让读者能够独立编写出机器学习相关的应用程序。书中首先介绍了机器学习和Python语言的基础知识，然后对NumPy、Pandas、matplotlib等在Python中使用频率较高的软件库进行讲解；对数据可视化、lambda和map等Python语法、基于DataFrame的数据整理、OpenCV的运用和图像数据的数据预处理进行讲解；最后对监督学习、超参数和调校等基础的机器学习及深度学习技术进行实践与挑战，并最终使读者达到能够运用深度学习技术之一的CNN来实现图像识别任务项目的技术水平。本书特点是用编程实践的方法学习，特别适合深度学习初学者及参与人工智能（AI）相关开发的程序员、研究人员和理工科学生。

最发达的科技为何不能解决最复杂最重要的问题？缺失的实际上是决策智能。这本书是关于如何以一种新的方式思考决策，与古老的思维模式相联系，并由无限的新信息来源和合作提供新信息。这个领域被称为决策智能（DI）。本书提供了一种新的人工智能：决策智能，一种链接起数据、行为和结果的新智能，也是感知智能和认知智能的下一个阶段。本书讨论了决策智能的核心问题：今天采取行动，做出决策，未来会出来什么结果？也提供了决策智能的核心――因果决策图，是思想的DNA。因果决策模型综合人工智能、行为经济学、因果分析等，形成一种任何人都能使用的决策方法。作者提供如何建立决策模型的方法，决策智能的应用和力量，决策智能为未来提供的技术和智力支持。同时，通过制定决策的思维过程，驱除机器和人决策的迷雾，用可视化图表展现出来，为复杂环境提供了技术的切入点。本书将当前最敏锐的思维从决策智能、人工智能、因果分析和行为经济学整合到一种任何人都可以使用的决策方法中。决策智能是人工智能的新阶段。用真实案例解析决策智能如何将人和计算机等链接，帮助我们解决复杂问题。