本书由四篇共１７ 章组成 篇是基础理论篇 共九章（第１ ~ ９ 章）从整 体角度介绍人工智能的基本概念与基础理论 第二篇是应用技术篇 共四章（第 １０ ~１３ 章）介绍人工智能基础理论与相关分支领域相融合所产生的新技术 第 三篇是应用篇 共三章（第１４ ~１６ 章）介绍智能产品的开发及目前广为流行的四 种应用实例 第四篇是展望篇 共一章（第１７ 章）对人工智能学科今后发展提出 建议和看法。 在本书的编写中坚持三项原则：教材的现代性，即新的技术路线与新的体系， 并形成新一代人工智能技术，教材的应用性，即更加关注人工智能与其他学科、领 域的融合，将人工智能应用到多个行业中去，教材的引导性，即坚持教材的入门与 引导作用 本书的出版在一定程度上填补了新一代人工智能教材的空白 本书适合作为人工智能、计算机类专业及相关专业“人工智能”课程教材及培 训教材，也可作为人工智能应用、开发人员的基础读物。

本书系统地论述了模式识别基本概念、算法及应用，体现了传统模式识别内容与当前新发展的结合与补充。全书包括三部分内容，共15章。第一部分共7章，主要介绍了经典模式识别方法，着重讨论监督学习，即已知训练样本及其类别条件下分类器的设计方法，然后介绍了无监督模式识别，后讲解了模式识别系统中，特征提取和特征选择的准则和算法；第二部分共3章，主要介绍了现代模式识别方法，包含支持向量机、组合分类器以及半监督学习; 第三部分共5章，主要介绍了深度学习模式识别方法， 从现有的深度神经网络出发，讲解了强化学习、宽度学习、图卷积神经网络等模式识别方法。以实例的形式给出模式识别在各个领域中的应用，使读者对模式识别方法有更直观的认识。 本书可作为高等院校模式识别、计算机科学与工程、控制科学与工程、智能科学与技术等相关专业研究生或本科生的参考用书，也可为人工智能、计算机科学、控制科学领域的研究人员提供参考。

本书以简明的方式系统地论述了人工智能的基础知识及其拓展和应用。全书共16章，前10章介绍人工智能学科的基础知识，包括人工智能的发展历史、知识的表示、搜索策略、确定性推理、不确定性推理、专家系统、神经网络、智能计算、机器学习和模式识别；接下来5章进行了拓展，讲述了混合智能系统和表示学习，还介绍了神经网络在模式识别和图像处理中的应用、自然计算在聚类上的应用，并介绍了多目标优化算法及动态多目标优化；最后一章介绍了人工智能领域的前沿技术及其展望。每章都附有习题、延伸阅读和参考文献。 本书可作为高等院校智能科学与技术、计算机科学、电子科学与技术、信息科学、控制科学与工程、模式识别与人工智能等专业本科生及研究生的教材，同时可为相关领域的研究人员以及对自然计算和神经网络及其应用感兴趣的工程技术人员提供参考。

本书是一本针对高校学生的**TensorFlow学习教材。作者结合众多高质量的代码，生动讲解了TensorFlow的底层原理，并从实际应用问题入手，从实践的角度出发，通过具体的TensorFlow案例程序介绍常见的模型和应用解决办法。同时，在教材中还介绍了模型部署和编程过程中所用到的诸多开发技巧。是学习和掌握人工智能这个*新、*火的IT领域的推荐图书。

本书在总结自然计算领域主要理论研究和实际应用成果的基础上，着重对近年来量子计算智能领域常见的理论及技术进行了较为全面的阐述，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和总结。全书从优化和学习两个方面展开，分为八章，主要内容包括进化计算、群体智能算法、量子进化计算、量子粒子群优化，以及基于量子智能优化的数据聚类、数据分类、网络学习和相关应用。 本书可为人工智能、计算机科学、信息科学、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生的教材（其中前四章为基础理论，适合本科生使用，后四章为高阶算法，适合研究生使用）。

本书对计算智能的诸多基础理论进行了详细的介绍和释义，并介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果，将理论与实践紧密联系起来。全书共4章，其中，第1章对人工智能的萌芽、诞生和发展，以及现状和未来进行了简要介绍；第2章为进化计算，论述了遗传算法、蚁群算法、粒子群算法，以及免疫克隆算法；第3章为模糊逻辑，介绍了模糊理论基础，论述了常见的模糊隶属度函数以及模糊集合常用的算子，并对模糊关系及运算、模糊推理进行了详细介绍；第4章为人工神经网络，论述了人工神经网络的特点、生物学基础及其发展与应用。 本书可供计算机科学、信息科学、人工智能、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员参考使用，也可作为相关专业研究生和高年级本科生的教材。

本书生动讲述了华尔街宽客及其运用量化交易技术驰骋于投资领域的故事，同时介绍了人工智能在投资领域的发展。全书分为三部分。第一部分介绍了开创量化交易的几个人物。第二部分结合作者在华尔街对冲基金公司与投资银行的工作经历，描述了宽客的职场生活和竞争压力。第三部分剖析并展望人工智能在投资领域的应用发展趋势，以此帮助读者更好地了解这个行业的未来动向。

《人工智能与医疗》是一本AI人工智能医疗的读本和实战手册。本书立足前沿，全面回顾人工智能技术在医疗行业的应用历史、应用领域和应用前景；详细论述AI人工智能医疗带来的医疗产业革命：精准医疗、智能医疗、移动医疗、远程医疗、低成本医疗、低风险医疗将因为人工智能技术变为现实；重点介绍人工智能医疗创业企业的发展现状，全景展现这一领域巨大的市场机会；通过分析国内外行业巨头的新技术成果和真实、前沿的投资案例，使读者全面了解人工智能的产业转化方向；展示的人工智能AI医疗创业者的成功和失败案例，对读者在此领域的创业具有实际意义的指导作用。　《人工智能与医疗》主要内容包括：绪论：人工智能发展历程。1章，AI医疗：人工智能技术赋能医疗。第2章，实践布局：人工智能与医疗的九大细分领域。第3章，全球格局：人工智能与医疗全球发展。第4章，国内现状：人工智能与医疗的国内布局。第5章，资本涌入：人工智能与医疗的投资风口。第6章，典型企业：人工智能与医疗领域企业案例。第7章，政府引导：人工智能与医疗政策监管。　《人工智能与医疗》适合对AI人工智能医疗感兴趣的读者和创业者阅读，也适合政府、企业、事业部门等对人工智能感兴趣的领导和员工阅读。　将因为人工智能技术变为现实；重点介绍人工智能医疗创业企业的发展现状，全景展现这一领域巨大的市场机会；通过分析国内外行业巨头的新技术成果和真实、前沿的投资案例，使读者全面了解人工智能的产业转化方向；展示的人工智能AI医疗创业者的成功和失败案例，对读者在此领域的创业具有实际意义的指导作用。

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年*新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学习等。第三部分是深度学习理论基础和前沿课题，包括深度学习表达能力分析、深度学习泛化能力分析、深度学习可视化、深度学习的数学、物理、神经科学基础等。

《机器翻译》主要介绍了机器翻译系统开发过程中的主要问题、机器翻译的发展历程及*新进展。其中着重阐述了机器翻译领域的主要方法：基于规则的方法、基于示例的范式、目前*流行的统计范式和基于分段的方法以及目前*先进的深度学习机器翻译。还讨论了机器翻译的评价问题，以及该领域内的主要参与者和商业化现状。 《机器翻译》可作为机器翻译领域技术人员的参考用书，同时也可供广大计算机科学、人工智能领域对自然语言处理感兴趣的读者阅读。