《论技术增强的关联学习》针对以c MOOCs为典型代表的关联学习所存在的问题，基于技术增强视角探索关联学习的新规律，把握技术对社会知识建构和联通交互的干预作用，提升关联学习相关问题解决的适用性；通过建立技术增强关联学习的模型，克服了以往研究中基于证据研究相对不足的问题，该成果的扩展可为c MOOCs学习设计及技术增强的关联学习提供参考；针对技术增强关联学习的联通交互与知识创造特性，发展对技术增强环境下网络联通交互和知识建构的新认识，剖析群体社会性建构和共享知识库的关联学习本质，为共享智慧和共享学习提供参考，将适用于更多大规模在线开放教育的学习场景。

心音模式识别是人工智能和生物医学的一个交叉应用领域，《心音模式识别技术》采用理论模拟、生物实验与电子测量相结合的分析方法，讨论了心音产生、变化的基本生物声学机理和信号传递规律，详细描述了基于心音的特征提取、表征和识别的相关算法，这些算法均适用于生物信息等应用。《心音模式识别技术》共8章，主要内容包括：绪论、心音产生机理与心血管模型的研究、心音采集设备、自构心音小波的方法及应用、独立子元变换分析、心音的特征提取与识别方法、心音的混沌特性与深度信任网络，以及心音模式识别的应用。另外，还介绍了心音模式识别技术在手机智能看诊器、汽车主动安全和家庭智能护理等方面的应用案例，并提供了部分智能手机平台上的开发代码和心音小波分析的MATLAB代码。

学术用户兼具信息获取者与知识创新者的双重角色，其网络信息査寻行为有着不同于一般用户信息査寻行为的独特性和重要性。《学术用户网络信息查寻行为研究——行为生态学与认知科学整合视角》从行为生态学与认知科学视角切人，综合运用质性研究与定量研究方法，从学术用户的网络信息査寻策略选择行为，信息査寻中的模仿行为、试错行为、信息偶遇行为、认知失调，以及学术用户群信息査寻生境6个方面，揭示了学术用户网络信息査寻行为的特征、规律与内在机理。

《机器人操作的机器学习理论——从拟人操作到技巧迁移》从机械臂的拟人化操作机理、运动规划与任务规划、技巧迁移方法及双臂协调操作等方面系统性地阐述了机器人拟人化操作的机器学习理论与关键技术，主要内容包括：基于人臂三角形的拟人化操作基础，拟人化操作运动学，拟人化操作的运动规划与任务规划方法，基于全局避障地图的拟人臂避障方法，基于肌肉疲劳的拟人化评价指标，以及人与机器人和机器人与机器人之间的同构、异构技巧迁移方法等相关理论和实验研究。

元学习是当今人工智能研究的热门领域之一，被视为实现通用人工智能的基础。本书介绍元学习及其原理，讲解各种单样本学习算法，例如孪生网络、原型网络、关系网络和记忆增强网络，并在基于Python的TensorFlow与Keras中实现它们。读者能够从本书中了解先进的元学习算法，如模型无关元学习、Reptile和元学习的上下文适应。此外，本书还探索如何使用元随机梯度下降法来快速学习，以及如何使用元学习来进行无监督学习。本书适合机器学习爱好者、人工智能研究人员和数据科学家阅读。

本书主要介绍利用小巧的光环板及功能强大的慧编程平台实现智能可穿戴设备作品的设计与创作。在内容上，本书分为3个部分：项目1～项目6主要体现光环板的应用，既有单板的应用和慧编程的交互式应用，还有板间的互动和AI语音识别应用；项目7～项目12则是利用几种常见的传感器和驱动设备实现创意；综合创作部分则是基于项目式学习的创作引导。 在呈现方式上，本书创意实现全部围绕智能可穿戴设备展开。智能可穿戴设备对结构、外观、制作等都有较高要求，通过对本书的学习，学生能很好地通过光环板创意制作理解STEAM，提升个人综合素养。 在课程结构上，本书按照项目式学习步骤，通过“情景导入” “我们的计划” “我们的探究” “我们的分享”“我们的评价”引导学生像科学家一样去思考，注重对孩子们问题意识、思维方式的培养。 本书主要面向小学高年段和初中学生，也适用于刚刚接触人工智能的高中学生和对智能软硬件有较强兴趣的爱好者。

当前，人工智能作为一项引领未来的颠覆性战略技术，已在国家安全、国防军事、社会治理、文化教育、医疗健康、家居娱乐等领域初露峥嵘，成为世界各国极其重视的核心竞争力技术之一。《人工智能的未来》主要研究人工智能新技术、新构想、新应用，面向未来，从人工智能发展历程、机器学习、感知认知、人机交互、机器人、脑科学、智能+未来应用，以及人工智能双奇点等多维度、多层次、多领域进行全面深入剖析。

知识工程是创新方法的一种，是一个采用人工智能技术进行文本理解阅读，用知识图谱进行知识表达，并在知识图谱上构建的一个具有搜索、推荐、问答、舆情监测和社区服务功能的系统。《AI时代的知识工程》概括了知识管理和知识工程的各种概念，描述了人工智能技术在知识挖掘中的应用发展趋势及实现知识工程的云架构技术，列举了知识工程在几个典型行业的应用实例，展示了知识工程方法论强大的生命力和适应性。

本书作者曾就职美国谷歌公司和日本乐天集团，有着多年的机器学习开发经验。本书理论与实践相结合，通过直观具体、易于理解的图表、示例和代码，既讲述了有助机器学习入门者轻松、准确掌握的基础概念，也涵盖了机器学习开发者在不确定概念时可以查看的核心内容。书中列举的大量机器学习应用程序实例，即便不具备数学和统计学知识也能轻松阅读，进而熟悉机器学习的基本概念。

深度学习网络正变得越来越小。谷歌助理（Google Assistant）团队可以在微控制器上运行只有14KB大小的模型来检测单词。这本实用的书将带你进入TinyML的世界，让深度学习和嵌入式系统结合在一起，用微小的设备创造出惊奇的事业。