“工欲善其事，必先利其器”，为有效缓解因教育师资不足和专业教材缺失对中小学人工智能普及教育的制约，苏州大闹天宫机器人教育中心特别成立了“人工智能机器人精品课程”编委会，由机器人行业专家孙立宁教授担任主编，组织多名长期从事机器人教育的教授一同参与，精心编撰了这套“人工智能机器人精品课程系列丛书”。《人工智能机器人精品课程系列丛书》紧贴当前国际领域青少年人工智能和机器人教育中的核心内容，将人工智能学习融入机器人拼搭、控制等内容中，并在此基础上结合现实生活应用的场景设置具体课程，针对不同年龄段学生的认知水平和理解能力，推出了初级、中级、高级三个不同阶段的教材。《人工智能机器人精品课程系列丛书》图文并茂、深入浅出，讲解相关原理知识和解析操作方法，形成了一套完整的课程体系。苏州大闹天宫机器人教育中心作为苏州大学学生校外实践基地、全国青少年电子信息科普创新教育基地、江苏省青少年特色科学工作室、苏州市科普教育基地，在多年的教育实践中不断探索和尝试，积累了丰富的经验，对青少年人工智能和机器人教育的本质、理念和人才培养需求等有着深刻理解。这套丛书通过案例与产品的结合，教会孩子们人工智能技术背后的逻辑和原理，进而让他们学会将人工智能技术更好地与生产、生活相结合。相信《人工智能机器人精品课程系列丛书》的出版，不仅可以帮助学校教师练好“内功”，提升教学质量，而且也可成为家长和学生自我学习的工具。我相信这套丛书将能够为我国青少年机器人和人工智能教育做出奉献。

模式识别与机器学习系统介绍了模式识别与机器学习的基础理论、模型与算法，同时兼顾了前沿知识的适当融入。本书以贝叶斯学习的思想贯穿始终，并适时与其他重要知识点（如支持向量机、深度学习）等进行交叉和关联，便于读者在形成良好知识体系的同时保持对整个领域知识的全面把握。 全书共14章和4个附录，循序渐进地对模式识别与机器学习领域进行剖析。首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似推理和强化学习。附录包括传统的模式识别与机器学习方法近邻法和决策树，还有向量微积分和随机变量的变换等与本学科方向强相关的重要知识点。 本书内容深入浅出，生动有趣，力求反映这一领域的核心知识体系和新的发展趋势。每章内容都尽可能做到丰富完整，并附有思考与计算题，便于读者对知识的巩固和融会贯通。 本书适合作为本科生和研究生（硕/博）课程的教材，也可作为希望从事人工智能相关工作的科技工作者的自学参考书。

本书首先展示如何在系统上安装和配置Java和DL4J，然后深入讲解了深度学习基础知识，并创建了一个深度神经网络进行二元分类。其次，本书介绍了如何在DL4J中构建卷积神经网络（CNN），以及如何用文本构建数字向量，还介绍了对非监督数据的异常检测，以及如何有效地在分布式系统中建立神经网络。除此之外，讲解了如何从Keras导入模型以及如何在预训练的DL4J模型中更改配置。最Z后，介绍了DL4J中的基准测试并优化神经网络以获得最Z佳结果。 本书适合想要在Java中使用DL4J构建健壮的深度学习应用程序的读者，阅读本书需要具备深度学习基础知识和一定的编程基础。 Copyright©2019PacktPublishing.FirstpublishedintheEnglishlanguageunderthetitle ‘Java DeepLearningCookbook’. 本书简体中文版专有出版权由英国PacktPublishing公司授予中国电力出版社。未经许可，不得以任何方式复制或传播本书的任何部分。专有出版权受法律保护。

人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。

《人工智能核心：神经网络（青少科普版）/中小学人工智能教育丛书》主要讲解了图像和文本在计算机中的表达和计算方法、神经网络的基本原理，并以圈叉棋为例讲解了计算机在图像分类问题上挑战人类的卷积神经网络技术，以单词拼写为例讲解了处理文本和语音的循环神经网络技术。读者只需要具备基础的加减乘除计算能力，就可以不借助计算机而掌握书中的所有技术和原理，并尝试实现书中的所有实例。可以说，《人工智能核心：神经网络（青少科普版）/中小学人工智能教育丛书》的真正目的是实现作者的期望：人人都会人工智能！

《TensorFlow2实战》首先讲解深度学习和TensorFlow2的基础知识，然后通过图像处理和自然语言处理两方面的实例，帮助读者进一步掌握深度学习的应用，最后通过对生成对抗网络和强化学习知识的讲解，带领读者精通深度学习。《TensorFlow2实战》适合想要学习和了解人工智能、深度学习技术的程序员阅读，也可作为大专院校计算机专业师生的学习用书和培训学校的教材。

神经网络在深度学习和人工智能中发挥着非常重要的作用，其应用领域非常广泛，涵盖从医疗诊断、财务预测到机器诊断等多个领域。《神经网络设计与实现》旨在指导你以实用的方式学习神经网络。书中将简要介绍感知器网络，从而帮助你入门。然后，你将获得有关机器学习的见解，并了解人工智能的未来。接下来，你将研究如何使用嵌入来处理文本数据，并学习长短期记忆网络在解决常见自然语言处理问题中的作用。该书还将演示如何实现高级概念，包括迁移学习、生成对抗网络、自编码器和强化学习，以及有关神经网络领域新进展的更多内容。在完成该书的学习后，你将掌握构建、训练和优化自己的神经网络模型所需的技能，该模型能够提供可预测的解决方案。通过阅读该书，你将：●了解如何使用反向传播训练网络。●了解迁移学习的概念，以使用Keras和VGG网络解决任务。●探索如何加载和转换图像以用于神经网络。●掌握LSTM和NLP等高级、复杂的深度学习概念，以掌握新知识。●研究如何将神经网络应用于多个领域。●探索创新算法，例如生成对抗网络和深度强化学习。●解决神经网络开发面临的共同挑战。

随着人工智能技术的发展，人类对智能化服务更加渴望，聊天机器人成为研发热门之一。《智能聊天机器人：核心技术与算法》从聊天机器人所涉及的多个方面出发，先理论后实践，让读者不仅能了解其中的原理，还能自己动手编程。《智能聊天机器人：核心技术与算法》共9章，第1章以该领域的背景知识作为开篇，重点介绍了聊天系统中的主要模块；第2章阐述了语音识别和隐马尔可夫模型；第3章侧重于通用的自然语言处理技术；第4章讲解如何使用信息检索技术，来实现问答型的聊天系统；第5章介绍一些主流的机器学习算法，以及如何使用这些算法来提升基于信息检索的问答系统；第6章介绍推荐系统相关的知识以及常见的推荐算法，并将其应用到问答系统中；第7章介绍如何使用深度学习来优化问答系统；第8章讲述了聊天系统的前沿领域——知识图谱；第9章讨论任务型和闲聊型聊天系统中更有挑战性的几个课题。《智能聊天机器人：核心技术与算法》可为高等院校计算机科学、信息科学、电子工程和人工智能等领域的科研人员提供参考，也可作为相关专业本科生和研究生教学的参考书，对于从事深度学习及其应用的开发人员同样具有参考价值。

《写给新手的深度学习——用Python学习神经网络和反向传播》一书以Python为基础，不借助TensorFlow、PyTorch等任何框架，以浅显易懂的语言，结合大量图示，对机器学习、深度学习、AI相关技术中的通用技能进行了解说。主要内容包括深度学习的概念，Python基础，深度学习必备数学知识，神经网络的结构及编程实现，反向传播算法原理，小型深度神经网络的构建，卷积神经网络CNN的原理及编程实现，最后一章对循环神经网络RNN、自然语言处理、强化学习等内容进行了简要介绍。通过本书，读者可以从根本上理解深度学习技术的本质和相关算法原理，能够构建简单的深度学习模型，特别适合作为零基础读者学习深度学习技术的入门书，也适合作为高校人工智能相关专业的教材和参考书。

本书共12章：第1章介绍机器学习的基本概念和理论，并介绍用于机器学习的R软件环境的准备；第2章介绍如何应用R来管理数据，进行数据的探索分析和数据可视化；第3～9章介绍典型的机器学习算法，包括k近邻分类算法、朴素贝叶斯算法、决策树和规则树、回归预测、黑盒算法——神经网络和支持向量机、关联分析、k均值聚类，并给出大量的实际案例和详细的分析步骤，例如乳腺癌的判断、垃圾短信的过滤、贷款违约的预测、毒蘑菇的判别、医疗费用的预测、建筑用混凝土强度的预测、光学字符的识别、超市购物篮关联分析以及市场细分等；第10章介绍模型性能评价的原理和方法；第11章给出提高模型性能的几种常用方法；第12章讨论用R进行机器学习时可能遇到的一些高级专题，如特殊形式的数据、大数据集的处理、并行计算和GPU计算等技术。