随着脑科学和认知神经科学的兴起与发展，以人类为中心的认知与智能活动研究，脑科学已经进入发展新阶段，而产品设计与人类认知和智能关系密切。随着脑科学的发展，研究者们开始关注更科学、更适合人类的产品设计。视觉研究是脑认知中不可或缺的一个重要组成部分，但是当前关于视觉的研究普遍地将视野局限在中心，对于周边视野的认知机制尚未完善。本书从人们对于不同刺激的形状、颜色等特征的相关，首先介绍了一套可以120°呈现图像刺激的、在功能核磁共振设备中应用的宽视野成像系统。此系统的研发使得关于人类视觉的研究更加接近客观世界，得出的结论也更具有指导意义。之后，利用这套成像设备进行在宽视野的条件下，人脑对不同种类刺激在不同偏心角度的认知偏好的研究。得出在宽视野的条件下，侧视觉皮质区域对不同的刺激种类具有偏心角度的偏好性的结论。探寻在宽视野的条件下，人脑在不同任务下的激活模式，为人类视觉认知研究、为设计学提供有力的数据支撑。

无论你是一名渴望进入人工智能世界的软件工程师，一名经验丰富的数据科学家，还是一名怀揣创造下一个人工智能爆款应用伟大梦想的业余爱好者，你可能都想知道从哪里开始深度学习。这本循序渐进的指导书会教你如何通过实际动手操作的方式为云计算、移动端、浏览器和边缘设备构建实用的深度学习应用程序。

《智慧空间》首先回顾了互联网的诞生、以及从 PC互联到移动互联的发展历程;然后结合区块链、人工智能、增强现实/虚拟现实、物联网、5G等多种技术的z新成果，揭示在这些先进技术的支撑下，下一代互联网将走向空间化的必然趋势;之后，深入地分析了现有的万维网因其存在的结构性缺陷，将无法承载未来发展，进而详细阐述如何将多种技术融合为一，搭建一个完整的智能空间网络的构思。本书还就如何将这一全新的网络架构应用于城市管理、建筑/工业设计、仓储物流管理、广告及电子商务提出了具体设想。

在你的iOS， macOS， tvOS和watchOS的Swift应用中创建和实现基于人工智能和机器学习的功能。有了这本实用的指导书，各种背景德程序员都将找到一个Swift一站式人工智能和机器学习解决方案。你将学习如何通过强大的人工智能软件来实现识别图像、进行预测、生成内容、提出建议等功能。

本书首先从Python 基本语法开始讨论，逐步介绍必备的数学知识与神经网络的基本知识，并利用讨论的内容编写一个深度学习框架TensorPy，有了这些知识作为铺垫后，就开始讨论生成对抗网络（GAN）相关的内容。然后，本书使用比较简单的语言来描述GAN 涉及的思想、模型与数学原理，接着便通过TensorFlow实现传统的GAN，并讨论为何一定需要生成器或判别器。接下来，重点介绍GAN 各种常见的变体，包括卷积生成对抗网络、条件对抗生成网络、循环一致性、改进生成对抗网络、渐近增强式生成对抗网络等内容。 本书从模型与数学的角度来理解GAN 变体，希望通过数学符号表达出不同GAN 变体的核心思想，适合人工智能、机器学习、计算机视觉相关专业的人员学习使用。

《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。