本书是以作者多年来从事人工智能研究的经验为基础，并广泛参考了国内外*新研究资料编写而成的。本书从人工智能的本源问题出发，着重介绍了人工智能各领域的概念体系、方法体系、经典算法与新的流行算法以及当前人工智能的研究热点——机器学习和机器视觉。 本书可供高等院校人工智能相关专业本科生、研究生作为教材或参考书使用，也可供相关科研及工程技术人员阅读。

软体机器人是机器人领域的新兴研究方向。软体机器人技术让机器人在非结构化、不稳定的环境下执行精巧、柔顺的操作任务成为了可能。实现这一目标的一切关键在于使用柔性的材料—— 硅胶、布料、气球、柔性塑料，以及它们的不同组合，并佐以神奇新颖却又易于实现的创新思路。本书以通俗易懂的语言和快速上手的制作项目，向同学们、发明家们、创客们介绍软体机器人技术各种概念。在本书中，你将会： ？ 了解生物模型对软体机器人这一新兴领域带来的变革 ？ 探索新颖的材料和制造工艺在机器人领域内外的应用 ？ 寻找传统机器人机构设计的柔性替代方案 ？ 体验低成本、易实现的机器人制作项目 ？ 学习面向更加复杂项目的手工制作技巧本书中介绍的项目涵盖了各种常用的工具使用及相关技术 —— 包括单片机技术、3D打印技术、模具加工与铸造技术等等，这些工具和技术能让你轻松创造有趣的软体机器人和装备。 时代进步，科技更迭。提升自我，更待何时！

人工智能是一门新的交叉学科，近年来涌现出了许多新的算法模型和框架。本书面向人工智能算法的实践与应用，参考了*级会议和国内外竞赛平台的内容，将所涉及的分类、检测、识别、预测等多项实验任务进行归类和优化整理。书中对每个实验的背景与内容都进行了详细阐述，对实验的要求与评估方法进行了深入讨论，对实验数据及来源进行了详尽描述，并给出了参考文献，以便于有兴趣的读者进一步研究和探索。 本书可为高等院校计算机科学、电子科学与技术、信息科学、人工智能等专业方向的研究人员提供参考，也可作为相关专业本科生和研究生的实践教学参考书，同时可供对人工智能应用感兴趣的研究人员和工程技术人员参考。

本书结合了分布式计算、大数据、机器学习、深度学习、强化学习等技术，以群体智能为主线，讲述了分布式人工智能的原理和应用。它介绍了分布式计算的框架技术、智能核心、分布式体系与架构。本书介绍了大数据的框架、高速计算、海量存储；介绍了人工智能的经典算法，并且结合分布式技术，进行大规模分布式架构与演进；介绍了群体智能与博弈，结合分布式、大数据、智能核心，讲解了群体智能技术系统的发展方向与开发方式。 本书内容通俗易懂，案例丰富，实用性强，特别适合分布式、人工智能、大数据相关的入门读者和进阶读者阅读，也适合游戏开发、推荐系统、群体智能底层研究者等阅读。另外，本书也适合作为相关培训机构的教材使用。

本书主要围绕人工智能平台ModelArts和人工智能应用开发流程，介绍基本概念、关键模块以及典型的场景化应用开发案例。全书共分为三篇： 第一篇人工智能应用开发概述（第1章和第2章），介绍了人工智能技术、应用、平台，以及人工智能应用快速开发流程； 第二篇人工智能应用开发方法（第3章~第9章），介绍了人工智能应用开发全流程及其子流程，包括数据准备、算法选择和开发、模型训练、模型评估和调优、应用生成、应用评估和发布、应用维护； 第三篇人工智能应用开发场景化实践（第10章~第12章），介绍了企业级人工智能平台、面向复杂行业的自动化人工智能系统、基于端边云协同的人工智能平台及应用开发。本书旨在通过一整套工具链和方法传递，使得每个开发者都可以借助ModelArts平台在具体业务场景下更快、更高效、更低成本地开发出人工智能应用，从而更好地解决各行业各领域面临的实际问题。本书适合有志于从事人工智能应用开发的开发者参考。

本书系统性地阐述智能语音处理技术，并重点以机器学习等技术及其在语音处理中的典型应用，理论与实践联系紧密。

本教材编写理念先进、重在应用，主要内容包括初探人工智能、认知人工智能的基础支撑、认知人工智能的应用技术、探索人工智能的行业应用四个项目。本教材通过文字、视频、动态图和实训平台等多种形式，立体、多角度地呈现内容，构成一个教与学的互动系统，让学习资源交互、联动起来。本教材可作为职业院校计算机公共课、信息技术公共基础课程的教学用书，也可供对人工智能感兴趣的读者阅读。

内容简介 这是一部讲解如何用AI技术解决银行、保险、证券行业的核心痛点并帮助它们实现数智化转型的著作。 作者从金融智能一线从业者的视角，深入剖析了传统金融行业的痛点与局限，以及金融智能的特点与优势，阐明了人工智能等技术在金融业的必要性，并针对金融智能在银行、保险和证券业的诸多应用场景，给出了具体解决方案。此外，本书还分析了金融智能在各行业中的未来发展趋势。 本书从金融智能的现实意义出发，围绕底层技术和赋能应用对金融智能展开了全方位、多视角的深度剖析，聚焦科技赋能金融中的热点领域，充分挖掘潜在商业价值，洞悉与变革未来金融新生态，详尽展现了金融智能的产业版图。本书注重技术模式与应用实践相结合，涵盖大量金融场景下的应用案例和前瞻分析，对金融从业者具有指导意义。

本书是基于冲突证据进行推理和决策的一部专著，综述了国内外同领域的研究现状，提出改进创新思路，是作者在该领域多年研究成果的凝练总结。全书共15章，主要内容有冲突的度量，对冲突证据进行定量计算来判断冲突；冲突原因分析，包括冲突度量函数、判定准则和组合规则的适用范围等；冲突证据推理，包括基于DS证据理论、改进后的D数理论和推广的BF-TOPSIS算法等进行冲突证据的合成；冲突证据决策，包括利用概率转换得到反馈证据、利用有序加权向量实现信息焦元集分配等。书中探讨了系列冲突证据推理与融合方法，考虑了多种推理逻辑与合成规则，一方面可为证据推理的理论研究提供借鉴，另一方面可为优化推理决策系统的性能提供参考，具有一定的理论和实用价值。本书适合具有信息融合、人工智能等理论基础，从事系统工程、指挥控制、运筹决策等相关领域的科研技术人员阅读和参考。

本书分为两个部分，共12章。第1章到第5章介绍了大数据的本体论、机器学习的基本理论等内容，为具体场景、算法的实践奠定了基础。读者可以了解到，在工程实践中，对大数据的处理、转化方式与人类学习知识并将其转化为实践的过程是多么相似。在对机器学习的介绍中，会对其数学原理、训练过程做基本的讲解，并辅以代码帮助读者了解真实场景中技术工具的使用。第6章到第12章提供了多个不同的用例，章节之间彼此独立，介绍了如何用人工智能技术（自然语言处理、模糊系统、遗传编程、群体智能、强化学习、网络安全、认知计算）实现大数据自动化解决方案。如果读者对 Java 编程语言、分布式计算框架、各种机器学习算法有一定的了解，那么本书可以帮助你建立一个全局观，从更广阔的视角来看待人工智能技术在大数据中的应用。如果读者对上述知识一无所知，但是对大数据人工智能的技术、业务非常感兴趣，那么可以通过本书获得从零到一的认知提升。