本书是模式识别领域的入门教材，系统阐述了模式识别中的基础知识、主要模型及热门应用，并给出了近年来本领域一些新的成果和观点；通过理论学习和动手实践相结合的形式使初学者能有效入门，并培养独立解决任务的能力，为模式识别的项目开发及相关科研活动打好基础. 全书共15章，大致分为五部分：第一部分（第1~4章）介绍了本书的概论和基础知识，包括绪论、数学背景知识、模式识别系统概述以及评估；第二部分（第5~6章）介绍了与领域知识无关的特征提取，包括主成分分析和Fisher线性判别；第三部分（第7~10章）介绍了分类器与其他工具，包括支持向量机、概率方法、距离度量与数据变换、信息论和决策树；第四部分（第11~12章）介绍了如何处理变化多端的数据，包括稀疏数据和未对齐数据、隐马尔可夫模型；第五部分（第13~15章）介绍了一些高阶课题，包括正态分布、EM算法和卷积神经网络. 本书可作为高等院校人工智能、计算机、自动化、电子和通信等相关专业研究生或本科生的教材，也可供人工智能、计算机、自动化、电子和通信等领域研究人员和工程技术人员参考.

本书主要讨论在智能经济的浪潮下，人工智能技术与区块链技术的范式变革与产业应用，以及如何从数字经济学视角理解智能经济发展的商业逻辑变化和它所带来的商业认知升级。全书包括从信息技术到智能经济、区块链技术应用与场景、人工智能技术应用与场景、智能经济时代的商业趋势四部分，共20讲内容。本书通过跨学科研究，构建了一整套认知人工智能技术与区块链智能技术的方式。书中不仅从计算机科学视角讨论了技术与产业应用，还从经济学、管理学和信息技术哲学视角分析了技术应用所带来的商业逻辑的变化和商业认知的升级。本书在强调计算机科学技术带来的产业发展和生态变化的同时，还指出技术对经济的内在影响是通过复杂的系统演化逐步实现的。本书可作为高等院校计算机科学、经济管理学等专业本科生或研究生的教材，也可供数字经济领域的研究者学习参考。此外，普通读者可将本书作为了解智能经济和数字经济学的一本通识类书籍来阅读。

本书将解释增强现实技术的概念，以及与虚拟现实技术和混合现实技术的区别，并帮助读者明晰这些技术之间的界限。全书主要内容包括增强现实系统分类、典型特点、实现途径及结构组成，技术起源及其发展历程；增强现实所涉及的关键核心技术及所面临的技术挑战，典型应用或潜在的重点应用领域，相关配套软件工具及硬件设备；本书最后对增强现实技术进行了分析总结并对其发展趋势进行了预测。

本教材是普通高等教育医学类创新课程“十三五”规划教材，全国高等医药院校教材，我国医学领域第一本人工智能专业教材。本书开创性地介绍了医学和人工智能的新交叉学科领域，突出医学专业背景及医学应用场景，并且提供一些智能计算分析方法及Python代码实现。本书促进医学生、医务工作人员以及人工智能相关领域人员更好地熟悉医学人工智能的基本原理，掌握医学人工智能的基本技术，理解医学人工智能的内涵，以便拓宽知识面，启发医学生对医学人工智能的兴趣，培养知识创新和技术创新能力，进一步推动人工智能在医学的应用和发展。医学人工智能是推动现代医学向智能医学发展的关键因素。

本书立足于西安电子科技大学人工智能学科优势，对人工智能、类脑计算与图像解译三个前沿领域进行了详细的论述，主要内容包括进化计算、人工免疫系统、量子计算智能、多智能体系统、多目标进化优化、非线性逼近理论、多尺度几何分析、多尺度变换域图像感知与识别、图像的高维奇异性检测、图像去噪的阈值方法、SAR图像理解与解译。该书在对上述领域的国内外发展现状进行系统总结的同时，还重点阐述了作者对相关领域未来发展的研究心得和成果。希望本书能为推进我国人工智能学术研究和实际应用起到一定的促进作用，为相关领域人才培养提供有效的学习内容。　本书可以为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图像处理研究的相关专业的技术人员提供参考。

本书针对人工智能技术领域人才培养的需要，从实际应用出发，以人工智能涉及的“会运动、会看懂、会听懂、会思考”四方面为主线进行编写。本书采用理实一体的编写方式，设置了5个学习情境，分别为认识人工智能、运动系统的设计与应用、视觉识别系统的设计与应用、语音识别系统的设计与应用和认知系统的设计与应用，循序渐进地介绍了人工智能控制技术的知识。每个学习情境由若干子任务组成，结合实际案例介绍人工智能控制技术的原理和知识，通俗易懂，由表及里地引导学生掌握人工智能软硬件系统的搭建、设计及相关程序开发，进而建构一个完整的人工智能系统。 本书可作为高等职业院校电子信息类专业及相关专业的教材，也可作为相关技术人员的参考用书。

2019年，上海大学新开“生命智能”通选课，呼应国家战略，对接教育部“新工科”建设要求，挖掘生命科学与人类命运之间的契合点，以生命科学领域具体问题为导向，认识人工智能在药物研发、健康管理等方面的广泛运用，关注人工智能加医疗技术可能产生的多方面社会效应，尤其是人类生命自然属性的重大变化。该课文理交融，汇入生命医学、智能技术和社会学、哲学等多个学科，引导学生用通观的视野看世界、悟人生、思未来。本书完整再现教学情景，带读者走进课堂，对话名师，遇见“打开脑洞”的00后青年。

如何在保证本地训练数据不公开的前提下，实现多个数据拥有者协同训练一个共享的机器学习模型？传统的机器学习方法需要将所有的数据集中到一个地方（例如，数据中心），然后进行机器学习模型的训练。但这种基于集中数据的做法无疑会严重侵害用户隐私和数据安全。如今，世界上越来越多的人开始强烈要求科技公司必须根据用户隐私法律法规妥善地处理用户的数据，欧盟的《通用数据保护条例》是一个很好的例子。在本书中，我们将描述联邦学习（亦称联邦机器学习）如何将分布式机器学习、密码学、基于金融规则的激励机制和博弈论结合起来，以解决分散数据的使用问题。我们会介绍不同种类的面向隐私保护的机器学习解决方案以及技术背景，并描述一些典型的实际问题解决案例。我们还会进一步论述联邦学习将成为下一代机器学习的基础，可以满足技术和社会需求并促进面向安全的人工智能的开发和应用。本书可供计算机科学、人工智能和机器学习专业的学生，以及大数据和人工智能应用程序的开发人员阅读，也可供高等院校的教员、研究机构的研究人员、法律法规制定者和政府监管部门参考。

《TensorFlow深度学习（原书第2版）》深入介绍了如何使用 TensorFlow 构建深度学习应用，从实践的角度讲解深度学习知识。本书主要内容包括深度学习入门，介绍了机器学习和深度学习的基础知识； TensorFlow的主要特性，以及 TensorFlow的安装与配置，通过示例进行 TensorFlow计算、数据和编程模型的学习；基于TensorFlow的前馈神经网络、卷积神经网络、优化 TensorFlow自编码器以及循环神经网络。此外，《TensorFlow深度学习（原书第2版）》还介绍了关于异构和分布式计算的内容，学习如何在GPU板卡和分布式系统上执行TensorFlow模型。在TensorFlow高级编程部分对TensorFlow基本库进行了概述。末尾，本书介绍了基于因子分解机的推荐系统以及强化学习。

《深度学习导论》讲述了前馈神经网络、Tensorflow、卷积神经网络、词嵌入与循环神经网络、序列到序列学习、深度强化学习、无监督神经网络模型等深度学习领域的基本概念和技术，通过一系列的编程任务，向读者介绍了热门的人工智能应用，包括计算机视觉和自然语言处理等。本书编写简明扼要，理论联系实践，每一章都包含习题以及补充阅读的参考文献。本书既可作为高校人工智能课程的教学用书，也可供从业者入门参考。本书要求读者熟悉线性代数、多元微积分、概率论与数理统计知识，另外需要读者了解Python编程。