《基于人工智能的故障诊断方法》结合轴承振动信号的固有特性，弥补传统智能诊断方法的不足，以深度学习、迁移学习、流形学习等人工智能技术为核心，面向海量轴承振动监测信号，提出一种新的智能诊断研究框架，主要围绕“监测信号标注困难”“工况交替多变”和“噪声干扰”等的不同应用需求，着重从深度聚类框架设计、跨域故障诊断模型构建、目标函数构造、度量函数设计、中心判别损失正则项设计，以及相关对齐时目标熵最小性质证明等几个方面展开研究，探索很大程度避免人工参与且具有较强领域自适应能力的智能诊断解决方案。《基于人工智能的故障诊断方法》适合制造业的研究人员和工程技术人员参考阅读，也适合作为高等学校计算机、人工智能、智能制造等专业的研究生教学用书。

本书针对集群无人机体系可靠性这一复杂问题，分析集群行为下无人机体系的演化和运行规律、任务变化和功能时变规则，介绍集群无人机任务参数与模型、集群无人机体系可靠性参数与模型以及集群无人机可靠性评估等方面的研究工作与成果。本书共10章。第1章概述了集群无人机研究现状；第2章给出了集群无人机体系可靠性建模与评估问题的研究框架；第3章到第5章对集群无人机任务参数、集群无人机任务系统概念建模和集群无人机任务参数建模的研究进行了介绍；第6章到第8章给出了集群无人机体系RMS参数与模型构建方法；第9章和第10章提出了集群无人机体系RMS三类评估方法，并给出了基于综合研讨厅的集群无人机体系RMS评价系统的设计方法。 本书可供高等院校无人机工程、可靠性系统工程、装备保障工程等相关专业的本科生和研究生阅读，也可供对集群无人机任务与可靠性问题感兴趣的研究人员和工程技术人员参考。

深度学习是基于多层神经网络的机器学习的一个子集，可以解决自然语言处理和图像分类等领域中特别困难和大规模的问题。《Apache Spark深度学习实战》解析了技术和分析部分的复杂性，以及在Apache Spark上实施深度学习解决方案的速度。书中首先介绍了Apache Spark和深度学习的基础知识，包括为深度学习设置Spark，学习分布式建模的原理，了解不同类型的神经网络，深度学习中数据的提取、转换和加载，数据流的应用；然后介绍了在Spark上实现CNN、RNN和LSTM等深度学习模型，使用Spark训练神经网络，监控与调试神经网络的训练，神经网络的评估，在分布式系统上部署深度学习应用，自然语言处理基础，文本分析和深度学习，卷积和图像分类；最后对深度学习未来的发展作了一个简要概括。另外，书中还使用DL4J（大部分）、Keras和TensorFlow等流行的深度学习框架实现和训练分布式模型。学完本书，读者可获得理解和处理复杂数据集所需的实践经验。本书适合Scala开发人员、数据科学家或数据分析师学习，也适合所有想使用Spark实现高效深度学习模型的人工智能相关专业的学生和开发人员。

本书是一本体系完整、综合全面介绍中小学人工智能相关内容的书籍。本书涉及人工智能的历史与发展，中小学人工智能战略定位、课程体系建设、计算思维，编程、机器人、知识工程、搜索算法、机器学习、深度学习、人工智能+X、人工智能对教育赋能、人工智能道德伦理与法律以及人工智能未来发展的展望等相关内容。本书可以作为中小学教师教授人工智能课程的辅助书籍，也适合对中小学人工智能教育感兴趣的广大读者阅读使用，还可以作为广大读者系统了解人工智能相关知识的参考用书。

《机器学习数学基础》系统地阐述机器学习的数学基础知识，但并非大学数学教材的翻版，而是以机器学习算法为依据，选取数学知识，并从应用的角度阐述各种数学定义、定理等，侧重于讲清楚它们的应用和实现方法。所以，《机器学习数学基础》这一书中将使用开发者喜欢的编程语言（Python）来实现各种数学计算，并阐述数学知识在机器学习算法中的应用体现。

本书以服务与资源调度为主线，从任务、资源、约束条件和目标函数等不同角度分析了调度问题的本质。本书包括作者及其研究团队近年来在机器调度、云计算资源调度、服务调度、大数据计算任务调度等方面的重要研究成果。全书共8章，首先分析调度概念、要素与架构，然后从事前、事中、事后三个角度分别考虑单资源和多资源场景下的任务调度，MapReduce大数据计算模型下的任务调度，云服务系统调度性能分析，线性、非线性约束云服务调度以及云服务系统容错调度。

随着语音算法技术的不断发展与完善，如何进行工程落地成为语音商业应用中普遍面临的问题。工程落地不仅要考虑模型效果，还要考虑资源占用、模块联调且整个架构要具有可靠性、可扩展性和可维护性。 本书围绕如何从零构建一个完整的语音识别系统，深入浅出地介绍了语音识别前端算法、语音识别算法及说话人日志算法原理；基于Kaldi的模型训练；语音识别工程落地和服务搭建。 本书适合作为语音技术研究人员及对语音技术感兴趣的开发人员的参考用书。

认知的高度决定了你创造价值的高度，包括你对世界的认知及世界对你的认知。知识图谱与认知智能技术的发展，既孕育了圈层变更的机会，也带来了人、机器、企业如何协同与博弈的难题。 本书总计12章，从理论到产业应用对知识图谱与认知智能进行了介绍。第1～7章围绕知识图谱与认知智能的需求，以用户、设备、企业为中心，讲解知识体系建设、知识图谱构建、知识存储、知识推理的基本原理与关键技术。第8～12章讲解如何运用知识图谱与认知智能技术，构建产品化及系统化解决方案，以满足企业营销、服务、供应链、生产、运维、经营管理、数据交易等应用场景的业务需求。 读者通过本书可以了解企业认知智能的原理、应用方法、执行策略，以此构建企业认知博弈的优异策略。企业数据智能相关从业者可以参考本书，构建以用户为中心的企业认知智能解决方案，通过人机协同的方式，实现对业务的认知与引导，并从业务演变中获益。此外，本书可以作为自然语言处理、知识工程、人工智能、社会计算等相关课程的教材。

全书共分6章。第1章 深度学习理论基础，阐述了人工智能、机器学习、深度学习理论、技术和方法以及三者之间的关系。第2章 人工神经网络模型，总结介绍了神经网络的架构、类型、工作原理和优化训练方法。第3章 卷积神经网络，分析论述了深度学习的典型算法——卷积神经网络的构成、机理、发展和应用，探讨了深度学习的前沿模型——图卷积神经网络和图注意力网络的机制、优势和实现方法。第4章 海洋硬目标检测DL模型构建，将深度学习引入到海洋目标检测领域，基于CNN构建了针对硬目标检测的深度学习模型——OceanTDAx系列模型，并对模型进行训练、优化和评估，在此基础上采用所构建的模型进行海洋目标检测实验。第5章海洋分布目标检测DL模型构建，构建了针对海洋分布目标检测的深度学习模型——OceanTDLx系列模型，并对模型进行训练、优化和目标检测实验。第6章基于多核并行架构的海洋目标检测，设计了OISPMDA-FDB多核并行架构，实现基于CNN初检的CFAR海洋目标提取、卡方分布临界值海洋目标提取、基于loglogistic的海洋目标提取、基于伴方差修正模型的复杂海况的海洋目标提取，共执行了4类30个海洋目标参数并行提取实验。

本书从计算思维的角度出发，以人工智能相关问题为引导，在解决实际案例问题的过程中植入知识点，为各专业的学生在今后设计、构造和应用各种计算系统，求解本学科的问题奠定基础。全书内容包括计算与计算思维、程序设计与算法、人工智能与智能计算、网络与大数据这四大部分。本书适用于高等院校一年级新生的计算机导论等信息技术类基础课程，可作为高等院校计算机基础课程的教材，也可作为“计算与人工智能概论”课程的教材，还可作为计算机基础培训的教材和自学参考书。