TensorFlow是2015年年底开源的一套深度学习框架，也是目前最活跃的深度学习框架之一。《TensorFlow深度学习及实践》从深度学习的基础讲起，深入TensorFlow的基本框架、原理、源代码和实现等各个方面，其目的在于降低学习门槛，为读者解决问题提供详细的方法和指导。《TensorFlow深度学习及实践》主要内容包括：人工智能简介，TesnorFlow的环境搭建、可视化、基础知识、聚类分析、回归分析、支持向量机，TensorFlow实现卷积神经网络、循环神经网络、深度神经网络等。 《TensorFlow深度学习及实践》适合作为对深度学习感兴趣的初学者的参考用书，也适合作为人工智能、计算机等相关专业深度学习课程的教材。

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。

本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话，结合回归和分类的具体问题，逐步讲解了机器学习中实用的数学基础知识。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程讲解了数学公式的应用，进而加深读者对相关数学知识的理解。

《机器学习中的基本算法》共八章.第1章和第2章简要介绍了机器学习的基本概念、研究内容、算法体系，以及相关的优化理论与优化算法.第3章和第4章详细介绍了几类作为分类器和回归器的支持向量机算法，包括算法出发点、建模思想、理论推导和算法在数据分类、识别、拟合、预测等方面的应用.第5章和第6章着重介绍了两类常用的数据预处理方法，一类是数据的特征提取方法，另一类是数据的聚类方法.第7章和第8章介绍了几类常用的神经网络算法和数据相关分析算法.　《机器学习中的基本算法》可用作数据科学与大数据技术、人工智能与云计算、计算机科学与应用、数学与应用数学等本科专业中机器学习课程的教材，也可用作相关或相近学科研究生的参考教材.

知识图谱作为当前人工智能的重要方向之一，不仅被实验室的研究者关注，更被各行各业的商业应用所关注。知识图谱是一个古老而又崭新的课题，是知识工程在新时代的新形态。智能离不开知识。知识始终是人工智能的核心之一。本书按照知识表示、知识库构建、知识推理和知识应用的基本脉络，全面介绍有关知识图谱的前沿技术。为便于理解和融会贯通，本书也对相关 NLP与机器学习的基本知识与知识图谱的经典传统方法进行了适当描述。本书既可作为人工智能领域研究人员的技术参考书，也可作为高等院校相关专业师生的教学参考书。

本书共11章，主要内容包括深度学习简介、Python基础、神经网络基础、卷积神经网络、经典卷积网络结构、迁移学习、循环神经网络、强化学习、深度强化学习、基于策略的算法更新与趋势等，通过具体案例，将Python语言、深度学习思想、强化学习思想和实际工程完美地结合起来。本书由浅入深，从易到难，各章节既相对独立又前后关联，其*大的特点就是打破了传统书籍的讲解方法，在介绍各部分理论基础的同时，搭配具体实例，通过对相关程序的详细讲解进一步加深对理论基础的理解。

第1章介绍了 PyTorch 进行深度学习的方法以及 PyTorch 的基本 API；第2章通过构建一个简单神经网络，演示如何将神经网络、优化器和参数更新联接在一起，构建简单深度学习模型；第3章深入探讨深度学习工作流实现以及帮助构建工作流的 PyTorch 生态系统；第4章介绍基于CNN的应用；第5章介绍主要RNN组件；第6章简要地论述了生成网络的历史，然后解释了不同种类的生成网络；第7章介绍了强化学习；第8章探讨不同的生产部署选项。

《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。