机器博弈是人工智能领域的重要应用之一，也是研究人工智能技术的重要载体。本书主要介绍机器博弈的发展概况、主要技术和国内外赛事，共分为9章。第1章为引言；第2章介绍机器博弈的发展概况；第3章分析机器博弈的状态复杂度、博弈树复杂度和计算复杂性等；第4章描述机器博弈常用的搜索、评估和优化技术，包括穷尽搜索、裁剪搜索、启发式算法、迭代算法、*佳优化算法、随机搜索算法、遗传算法、并行计算、神经网络、机器学习等；第5章论述开发机器博弈平台系统的意义、分类、设计规范和相关技术；第6章以六子棋、围棋、点格棋和爱恩斯坦棋为代表，介绍完备信息机器博弈的关键技术；第7章以德州扑克、军棋、桥牌为代表，介绍非完备信息机器博弈的关键技术；第8章介绍机器博弈的国内外赛事；第9章为结束语。本书可作为高等院校人工智能相关课程的参考资料，也可为从事机器博弈及其相关领域的科研和应用人员提供参考。

通过阐释充满争议的法律、伦理和哲学问题，本书揭示了围绕机器人及其调控产生的问题远比人们预计的复杂，尚有大量关于机器人界定和适用的问题等待解决。

本书较系统地讲述了基于人工智能的多媒体数据挖掘和应用技术。全书共四个部分，十二个章节，首先以文本和图像为例，介绍了什么是从数据到语义的理解和挖掘；然后详细阐述了如何从底层内容特征的角度，建立多媒体数据的特征表达模型；并在此基础上，进一步以多模态数据为对象，介绍了目前的热点应用，即：跨媒体检索。最后，从数据结构关系和数据存储两个方面，扩展分析了复杂数据环境下的多媒体语义挖掘方法。

本书内容主要涉及：深度学习的数学理论基础，包括重要的统计学和线性代数的相关基本概念和知识；深度学习的各种典型模型，例如传统的单层感知器模型、多层感知器模型，以及卷积神经网络、循环神经网络、受限玻耳兹曼机、深度信念网络等一些更为复杂的模型；构建深度学习模型的实验设计方法以及实验过程中的特征选择方法；应用R语言进行机器学习和深度学习实践的案例。

暂缺简介...

暂缺简介...

暂缺简介...

暂缺简介...

本书从跨学科视角来看待人工智能这个技术性的学科。围绕用数学模型预测未来这一主题，介绍算法，主要包括现在流行的机器学习和深度学习算法，以及算法要解决问题本身的复杂性。复杂的问题，需要复杂的算法，而算法设计背后的老师正是自然界的复杂性本身。*终，我们上升到自然界解决复杂性*有利的工具，即人类智能本身，让读者从神经科学的角度再次理解人工智能这个大主题，理解神经科学是如何启发人工智能的，而人工智能又如何帮助我们理解人类智能本身。本书既适合具有高中以上数学知识的一般读者，作为他们了解人工智能和复杂系统领域的科普读物；也适合已经在人工智能领域工作的专业人士，使他们从工程视角之外的更大视角去看待这一领域，获得新的启发。

本书主要阐述了当前机器智能的热点技术——深度学习和强化学习技术的原理。在此基础上，介绍AlphaGo结合深度学习和强化学习技术，如何战胜人类围棋大师的原理。接下来，将深度学习的理论转化为实践，给出如何通过掌握TensorFlow和Keras深度学习框架，制作声控智能硬件的例子，同时给出机器视觉的对象检测案例，指导读者逐步学习使用深度学习技术。 本书的主要特点是实践操作，用实用可运行的案例来上手。本书可作为实践入门指导书，适用于对机器智能有兴趣的高年级本科生，也适合于对机器智能有兴趣的人员参考。