推荐系统是互联网时代极具商业价值的人工智能应用之一，30 年来持续受到学术界和工业界的广泛关注。本书作者以一线研发人员的视角和经验，对推荐系统进行总结，尝试从原理与实践两个角度为读者剖析推荐系统。本书首先从原理上介绍各类经典推荐算法及前沿的深度学习推荐算法，然后分析推荐系统领域发展的前沿话题和未来方向，最后结合微软的开源项目Microsoft Recommenders 介绍推荐系统的实践经验。读者可以基于本书提供的源代码，深入学习推荐算法的设计原理和实践方式，并可以基于本书从零开始快速搭建一个准确、高效的推荐系统。本书不仅适合互联网、大数据等相关领域技术人员阅读，也适合高等院校计算机、软件工程、人工智能等专业的本科生和研究生参考。

互联网是一个分布式系统，无线通信、云计算或并行计算、多核系统、移动网络也是如此。蚁群、大脑甚至人类社会都可以被建模为分布式系统。本书强调这些分布式系统中共同涉及的主题和技术，特别是强调分布式系统设计中的一些基本问题，涵盖通信、协调、容错性、本地性、并行性、打破对称性、同步化、不确定性等。

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。

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。

本书内容由浅入深、循序渐进，涵盖了深度学习在图像处理中的应用技术。本书共8章，首先简要介绍图像处理技术，以及深度学习在图像领域中的应用；接着对深度学习在图像处理中的应用技术进行详细介绍，包括图像阴影检测、图像阴影去除、图像噪声处理、图像匀光和匀色等内容；然后对基于卷积神经网络的图像超分辨率重建方法进行讲解；最后以基于深度学习的红树林提取和屋顶提取与绿化评价为例，详细讲解深度学习在图像处理中的应用。

本书面向人工智能学科的前沿领域，系统地讨论了智能计算的原理与实现，比较全面地反映了智能计算研究和应用的*新进展。书中涵盖了支持向量机、混沌计算、蚁群算法、DNA计算、DNA遗传算法、人工免疫系统、萤火虫算法、蝙蝠算法、蛙跳算法、鱼群算法和其他一些算法及应用。全书提供了大量的实用案例，重点强调实际的应用和计算工具，这些对于智能计算领域的进一步发展是非常有意义的。 本书取材新颖、内容系统、深入浅出、材料丰富，理论密切结合实际，具有较高的学术水平和参考价值。 本书可作为人工智能、信息与通信工程、仪器科学与技术、计算机科学与技术等相关领域的科研人员及工程技术人员的参考书，也可作为研究生和高年级本科生开阔视野、增长知识的阅读材料。

人工智能被广泛应用和普及，极大地提高了人们学习和工作的效率。而要深入理解人工智能，必须全面理解底层各类机器学习算法的基本原理。只有全面掌握机器学习的基础知识，才能更好地理解、提高和驾驭人工智能的各种应用。 本书分为13章，前7章为原理篇，重点讨论了机器学习模型建模的全部流程、各类常用的机器学习算法原理、深度学习和强化学习、机器学习涉及的优化原理，以及自然语言处理算法原理；后 6章为实践篇，重点讨论了信用卡客户细分、保险公司时间序列生活事件预测、电商网站交易欺诈预测、信用卡和信用贷款风险预测、美国旧金山房屋成交价格预测，以及股票短期回报率预测等多个实际应用场景。 本书内容系统、全面，理论知识覆盖面广，且保留了推导过程。实践案例中，深入浅出地讲解和展示了机器学习应用的具体流程。本书适合在各行业工作的数据科学家、在校学习人工智能和数据科学专业的学生、科技公司的管理者和决策者，以及人工智能的初学者和爱好者阅读。

本书全面阐述了现代因果关系分析，展示了因果关系如何从一个模糊的概念发展成为一套数学理论，并广泛用于统计学、人工智能、经济学、哲学、认知科学、卫生科学和社会学等领域。本书提出了一个全面的因果关系理论，它统一了因果关系的概率、操作、反事实和结构方法，并提供了简单的数学工具来研究因果关系和统计关联之间的关系。本书通过融合领域知识、常识约束、文化传承的概念等来补充数据信息，为基于统计的机器学习中遇到的基本问题提供了科学的解决方案。

未来网络是什么样子？构建未来网络的关键技术有哪些？如果你在思考这些问题，请你一定要阅读本书。AI助力通信网络的发展构建了“网络AI”，在此基础上叠加云网融合、B5G/6G、网络5.0、算力网络、区块链、数字孪生、量子通信、网络安全等新的关键技术，共同打造“2030后的未来网络”。本书通过讲解和剖析上述关键技术，多维度地阐述了未来网络发展的愿景和演进路径，可让读者系统地学习与思考。本书的主要读者对象为电信运营商、电信设备提供商、电信咨询行业的从业人员和从事通信科研的高校师生，以及关注通信行业技术发展的相关人士。

本书面向初学者，比较全面的介绍了机器学习的基本方法，循序渐进的阐述了其中的数学原理，让读者能够知其然，然后知其所以然。书中结合应用场景，列举了大量编程实例帮助读者开展动手实践，理论与实践相辅相成，对算法原理产生更加直观和感性的认识。作者希望能够通过本书帮助读者揭开人工智能领域的神秘面纱，走进人工智能和机器学习的大门，了解其中的奥秘，甚至成为该领域的学习者、研究者和实践者。