本书是针对研究生课程设计的，广泛概述了机器人、人工智能、心理学、社会学、伦理学和设计等多学科主题。本书提出了相关的背景概念，描述了机器人如何工作，如何设计它们，以及如何评估它们的性能。独立的章节讨论了广泛的主题。包括不同的交流方式，如语音和语言、非言语交流和情绪处理，以及当今和未来社会中机器人应用的伦理问题。

《机器学习·深度学习图像识别从基础到案例实战》一书用大量的图形图像，结合Python代码介 绍了人工智能领域图像识别的相关知识。全书共3部分，其中第1部分介绍了基础知识及相关工具如 Python、Jupyter Nobebook和NumPy、Matplotlib等软件库的使用方法；第2部分主要借助TensorFlow、 PyTorch、Keras、Chainer、scikit-learn等工具实现了16个不同层次的图像识别案例，如Iris数据集分类、 手写数字识别、人物检测等，助力提升读者实战水平；第3部分介绍了基于Python的面向对象编程知 识和如何用Python建立Web服务器。本书浅显易懂，特别适合作为大中专院校相关专业的参考书，也 适合想通过Python系统学习机器学习和深度学习、用Python进行图像识别的入门参考书。

内 容 提 要 随着人工智能技术的进步和消费金融行业的快速发展，智能风控已经成为金融行业的刚性需求。本书围绕智能风控的关键环节一一展开，同时结合具体的智能风控实例进行解析。本书共6章，主要内容包括智能风控的发展，搭建智能风控模型体系，搭建风控特征画像体系，搭建智能风控策略体系，智能风控与人工的结合，以及智能风控管理。本书适合银行、消费金融与保险等领域信贷风控模型开发人员、特征挖掘人员和策略分析人员，以及金融科技领域从业者、咨询行业从业者和其他对智能风控感兴趣的人阅读。

本书系统讲述智能现象的简要历史。全书共分为1 0章。第1章介绍本书的写作背景、 对智能的不同定义、 围绕智能现象的问题、 本书对智能现象的新假说;第2章介绍宇宙从无到有的过程、 不安分的宇宙、 改变以稳定宇宙;第3章介绍物理学中的智能现象、 重力智能、 重力和暗能量、 最小作用量原则、 量子隐形传态;第4章介绍化学的简要发展历程、 耗散结构、 熵增、 z大熵产生;第5章介绍生物学中的智能现象、 生命的定义、 生命为什么存在、 微生物中的智能、 植物中的智能、 动物中的智能;第6章介绍大脑中的新皮质结构、 人类特殊的思维方式、 关于大脑的理论、 信息过载与信息茧房;第7章介绍1 9 5 0年以前的智能机 器、 人 工 智 能 的 诞 生、 符 号 主 义、 联 结 主 义、 行 为 主 义、学派之争与统一、 通用人工智能、 智能的本质和智能科学;第8章回顾人类科技历史中涉及的几个重要因素， 介 绍 促 进 宇 宙 稳 定 的 技 术 发 明、 物 质 网 联、 能 源 网 联、信息网联、 获取智能、 基于智能 网 联 的 自 动 驾 驶、 基 于 智 能 网 联 的 集 体 强 化 学 习、对智能的数学建模;第9章介绍元宇宙的背景、 元宇宙的概念与特征、 元宇宙涉及的主要技术、 元宇宙的演进;第1 0章给出了本书的总结与未来展望。 本书是科普读物， 也可以作为人工智能学习、 研究、 开发的参考用书。

机器人传感器是实现机器人及自身与外部环境进行信息交互的重要手段。通过搭载不同类型的传感器，机器人对其自身及周围环境进行检测，并对检测结果进行处理、分析、决策，然后选择合适的运动。本书按传感器基础篇、机器人传感器篇进行编排，全书共7章，前后呼应，循序渐进，由常用传感器到机器人传感器应用，逐步介绍了传感器的基础知识与检测技术、常用传感器、智能传感器、机器人常用传感器、工业机器人常用传感器、移动机器人常用传感器、机器人多传感器信息融合等内容。

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。

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。

《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。

随着人工智能的飞速发展，人工智能赋能教学取得长足发展。本书通过对国内外人工智能教育应用案例的分析，阐明多模态学习分析、适应性反馈、人机协同等正成为当下人工智能教育的主要应用范畴。人工智能依据学情感知对学习做出智能评估和预测，可为学习者的适应性学习提供技术性支持与保障。本书还以IBMWatson系统的应用为例，阐述了人工智能教育应用与新时代育人目标相契合，正在推进学生核心能力的发展。