本书从深度学习的发展历程讲起，以丰富的图例从理论和实践两个层面介绍了深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。内容涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高等。此外，还介绍了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在内的深度学习工具的安装和使用方法。

计算机音乐是一门涉及计算技术在音乐创作中各种应用的学科。《计算机音乐技术》将向读者介绍作者专注的计算机音乐领域中的两个重要研究方向：算法作曲技术与人声哼唱旋律自动识别技术的研究心得和部分成果。《计算机音乐技术》由4章组成。第1章介绍算法作曲研究领域的基《计算机音乐技术》状况和存在问题。通过评述该领域所采用的主要技术阐述当今算法作曲的研究进展。第2章介绍作者近年来从事单旋律生成算法技术的研究，包括诗歌配旋律的计算模型以及算法生成旋律的质量评估问题。第3章介绍由单旋律及其钢琴伴奏构成的多声音乐自动生成技术，包括为旋律自动配和声以及钢琴伴奏音型设计与获取技术。第4章介绍哼唱旋律自动识别技术，涉及人声哼唱信号的信号帧基频提取，哼唱音符的自动切割及调性分析技术。

本书以TensorFlow 1.2为基础，从基本概念、内部实现和实践等方面深入剖析了TensorFlow。书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念，接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现，紧接着还将TensorFlow与深度学习相结合，从理论基础和程序实现这两个方面系统介绍了CNN、GAN和RNN等经典模型，然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现，全面介绍了TensorFlow生态系统的发展。

本书主要目标是处理很多深度学习应用的热点问题并向读者披露解决方案的细节。主要内容分为7章：第1章介绍深度学习基础知识，第2章介绍大规模数据的分布式深度学习，第3章介绍卷积神经网络，第4章介绍循环神经网络，第5章介绍受限玻尔兹曼机，第6章介绍自动编码器，第7章介绍如何用Hadoop玩转深度学习。

《AI人工智能：发展简史+技术案例+商业应用》通过“知识＋案例”两条线索帮助读者全方位、多角度地了解人工智能。 纵向知识线包括三大认识、三大价值、三大盈利模式、三种营销变化、四个时代、五大商业模式、八大技术、八大热门领域、八种研究成果、九种热卖商品等，针对人工智能的基本概念、发展阶段、研究价值、市场状况、基础技术、发展前景、营销应用、热门领域、热卖商品和研究成果等内容，向读者进行系统化的介绍。 横向案例线共包含12章专题内容，详解了20多个领域的70多种智能产品和应用，内容涉及智能家居、智能安防、无人驾驶、智能社交、智能生产、工业设计、智能检测、电子商务、军事航天、法律预判、智能医疗、机器人、智能营销、智能理财、智慧社区、智能交通、智能助理、智能管理等，同时通过120多个图解、190张图片对不同领域人工智能的应用、产品和特点进行了展示。 《AI人工智能：发展简史+技术案例+商业应用》结构清晰，适合对人工智能及其相关技术和产品感兴趣，想全面了解人工智能的读者阅读。

深度强化学习（Deep Reinforcement Learning，DRL）是深度学习算法和强化学习算法的巧妙结合，它是一种新兴的通用人工智能算法技术，也是机器学习的前沿技术，DRL 算法潜力无限，AlphaGo 是目前该算法相当成功的使用案例。DRL 算法以马尔科夫决策过程为基础，是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。深度强化学习算法主要包括基于动态规划（DP）的算法以及基于策略优化的算法，本书的目的就是要把这两种主要的算法（及设计技巧）讲解清楚，使算法研究人员能够熟练地掌握。 《揭秘深度强化学习人工智能机器学习技术丛书》共10 章，首先以AlphaGo 在围棋大战的伟大事迹开始，引起对人工智能发展和现状的介绍，进而介绍深度强化学习的基本知识。然后分别介绍了强化学习（重点介绍蒙特卡洛算法和时序差分算法）和深度学习的基础知识、功能神经网络层、卷积神经网络（CNN）、循环神经网络（RNN），以及深度强化学习的理论基础和当前主流的算法框架。最后介绍了深度强化学习在不同领域的几个应用实例。引例、基础知识和实例相结合，方便读者理解和学习。 《揭秘深度强化学习 人工智能机器学习技术丛书》内容丰富，讲解全面、语言描述通俗易懂，是深度强化学习算法入门的优选。本书适合计算机专业本科相关学生、人工智能领域的研究人员以及所有对机器学习和人工智能算法感兴趣的人员。

人工智能正在形成一股新的浪潮，它将从技术、经济、社会等各个层面改变我们的工作和生活方式。作为实现人工智能的重要技术，机器学习正在受到人工智能专家之外的更广泛人群的关注，想要了解机器学习相关知识和技术的人日益增多。本书紧紧围绕“机器学习的商业应用”这个主题，从数学原理上解释了机器学习的一些基础算法，如*小二乘法、*优推断法、感知器、Logistic回归、K均值算法、EM算法、贝叶斯推断等。全书的主旨在于帮助读者理解机器学习的本质，因此作者介绍具体的例题时，基本的着眼点是教会读者使用什么样的思维方式，以及如何进行计算，为读者探索更加复杂的深度学习领域或神经网络算法打下坚实的基础。

本书系统介绍了家庭服务机器人工具与环境认知研究的**成果。全书分为工具功能认知、环境功能认知、环境建图三大部分。其中，工具功能认知着重阐述工具功用性部件及工具整体的建模与检测；环境功能认知着重阐述室内功能区建模与分类；环境建图着重阐述家庭全息地图表示与构建，以及物联网机器人系统同时定位、标定与建图。

本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引入机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页挖掘等热点问题，论证了“优化是力量之源”这一观点，为机器学习在企业中的应用提供了切实可行的操作建议。

《模式识别与人工智能（基于MATLAB）》将模式识别与人工智能理论与实际应用相结合， 以酒瓶颜色分类为例， 介绍了各种算法理论及相应的 MATLAB实现程序。全书共分为10章， 包括模式识别概述、贝叶斯分类器的设计、判别函数分类器的设计、聚类分析、 模糊聚类、神经网络分类器设计、模拟退火算法的分类器设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计，覆盖了各种常用的模式识别技术。