本书主要介绍知识系统、知识服务、知识管理及知识工程的相关内容，共三个部分。第一部分主要介绍知识系统与知识服务，这部分从知识的定义出发，阐述知识服务的产生及与知识系统的关系，并详细介绍了四种典型的知识系统，着重介绍其发展历史、种类特征和体系框架等。第二部分主要介绍知识管理与知识工程，这部分内容围绕知识管理展开，涵盖知识管理的产生与发展、关键技术、系统类型及常用的知识管理平台等。第三部分重点分析当前知识系统中的重点、难点和关键技术，并且详细介绍作者科研团队在知识鉴别、知识分析、知识导航、专家推荐及知识云等方面的**研究成果。与此同时，本书还介绍作者科研团队提出的创新算法在知识系统中的应用，并以原型系统的形式予以展示。

人工智能应用已经遍及各行各业，而机器学习和深度学习作为其中的重要组成部分也越来越火热。《PyTorch深度学习模型开发实战》就以近年来非常流行的Python 机器学可库 PyTorch为工目。对深度学习中的迁移学习、图像分类、物体检测、语义分割、姿势识别、图像生成、异常检测、自然语言处理以及视频分类等各种任务进行了详细讲解及深度学习模型的编程实现。这些任务都是为帮助读者积累实践经验，以便能在实际开发中灵活运用深度学习技术精挑细选出来的。读者只要亲自动手，依次对各种任务进行编程实践，并彻底理解其中的原理，就一定能逐步掌握复杂深度学习的应用方法。 《PyTorch深度学习模型开发实战》 内容丰富全面，讲解通俗易懂，特别适合作为有一定基础的AI工程师提升技能、中高级机器学习/深度学习工程师巩固相关基础的参考书籍。

本书以手势识别技术理论与应用为主题，系统地介绍了该领域常用的数据集，以及基于手工特征、卷积神经网络、循环神经网络及其变种、多模态数据融合与注意力机制等实现的手势识别算法。此外，本书还结合作者的开发经验，介绍了手势识别在真实场景中的应用，旨在使读者在了解相关技术的同时提升实际应用能力。 \n本书既适合从事计算机视觉和人工智能领域研究的技术人员阅读，也可以作为高等院校相关专业师生的参考教材。 \n

本书以人工智能技术为工具，主要从态势评估、威胁评估、单机多目标攻击决策、多机协同多目标攻击空战决策和机动决策五个方面对多机协同多目标攻击智能决策的方法展开研究。基于D-S证据理论与贝叶斯网络在态势评估中的应用优势存在争论，分析了模糊理论和D-S证据理论结合的理论基础，建立了态势评估的模糊D-S证据理论结构模型。在威胁评估方法的研究中，从超视距空战的角度出发构造空战优势函数，主要威胁因素增加了威胁行为事件和目标战役价值的影响；考虑到评估过程的主观性和不确定性，从动态的角度提出基于离散模糊动态贝叶斯方法的多机协同多目标攻击空战威胁评估模型，提出一种新的多机协同多目标攻击空战威胁评估方法，提高了威胁评估的准确性和适应性。在对单机多目标攻击决策方法研究中，利用模糊多属性决策的方法，研究超视距空战条件下的单机多目标攻击排序问题。在多机协同多目标攻击决策方法研究中，研究了协同优先权模型，考虑了空战效能优势指数，建立了大规模群机作战转化为小规模集团作战的分组决策模型，提出了基于LSRBF-SOFM组合神经网络的多机协同多目标攻击空战决策算法。最后研究了多机协同多目标攻击空战机动决策方法，分别建立了基于多级影响图对策的近距协同空战机动决策模型和基于多目标多级影响图对策的中远距空战多目标攻击机动决策模型。并针对多机协同空战是一个多Agent系统，各战机是单个Agent，并采用影响图分析多Agent的模型，将复杂的多机协同空战机动决策问题分解为若干子问题，以期实现在不确定空战环境下做出结果最佳的决策。

本书重点阐述机器人系统动力学和控制的基本原理，并展示了如何计算和使用分析工具（如matlab、mathematica和maple）来进行机器人系统设计。

《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》从环境的搭建和TensorFlow 2.X 的基础语法讲起，逐步深入到计算机视觉领域的算法模型理论与实战应用，并重点讲解了如何使用TensorFlow 2.X 框架实现各类经典的深度学习模型，让读者可以系统地学习TensorFlow 2.X 在计算机视觉领域的相关知识和实战应用。 全书共13 章，涵盖的主要内容有Anaconda环境配置、JupyterNotebook使用、神经网络模型和用Python从零实现神经网络、TensorFlow 2.X 的基础语法、图像分类的算法模型理论和实战、迁移学习技术实战、目标 检测的算法模型理论和实战、自编码器的算法模型理论和实战、生成式对抗网络的算法模型理论和实战、基于 深度学习的指纹识别技术实战、基于摄像头的指定物体实时预测、基于 Linux 平台下的深度学习模型网页部署、基于exe 程序的深度学习识别系统以及自动机器学习的理论与实战等。 《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》内容通俗易懂、案例丰富、实用性强，特别适合机器学习、深度学习、Tensorflow2.X框架和计算机视觉领域的入门读者阅读，也适合Python 程序员等其他编程爱好者阅读。另外，本书也可作为相关院校或培训机构的教材使用。

本书是一本研究机器人结构与智能化应用的科普书。主要内容包括：机器人学概论、机器人的机械结构分析、机器人智能化应用之移动机器人、机器人学习原理与智能化典型应用、当前技术水平下的机器人创新应用实践、工业机器人与智慧工厂、机器人应用与智能化农业、智能机器人的未来应用方向。本书主要面向机器人爱好者或具有机械电子、人工智能等专业的致力于机器人研究的读者，既可以作为兴趣爱好读物，也可以供其他相关领域的工程技术人员研究参考。

本书融合了统计机器学习和数字信号处理方面的知识，详细描述了相关的数学基础和算法，以扎实的、逐步推进的方式引入并讲解概念，以便在实际的软件应用中实现这些想法和算法。对于我们面临的实际问题，书中提供了技术背景，解释了为什么某些方法（而不是其他方法）能够成为最佳实践；而对于新的问题，书中则提供了框架，教会你如何进行思考和寻求解决之道。 本书适合有信号处理背景，并且有意深入学习和应用机器学习的读者阅读。

三支决策是一种基于人类认知过程的粒计算研究方法与不确定决策理论，主要采用“三”的思维方式进行“分-治-效”进程的智能计算与知识发现，其三层结构化思维诱导出三层分析方法论。三支决策与三层分析已经成为人工智能研究与应用的重要工具与有效方法。《三支决策与三层分析》介绍三支决策与三层分析相关的理论、技术、算法、应用等的*新研究进展。《三支决策与三层分析》共11章，系统介绍三支决策论与三层分析法，内容涉及不确定性建模、信息度量、属性约简、分类学习、聚类应用、动态决策、数据分析、概念分析、冲突分析等。

区别于市场上同类书，本书不但侧重于理论知识的普及，也将技术融合于Python模块进行实验上的操作与演示。本书主要内容包括：人工智能技术概述，人脸识别技术、物体识别技术，视频识别技术、语音识别技术、文本识别技术，区块链技术等。全书综合了各种模块对人工智能技术的实践，将分散的技术点统一起来，并把抽象的原理与适应读者思维的案例相融合，实现知识点的充分理解。 本书适合从事数据科学及AI的读者阅读。