计算智能是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而被设计出的一类算法的统称。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段，引起了国内外学者的广泛重视并掀起了研究热潮。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。 本书在归纳近年

当前，人工智能作为一项引领未来的颠覆性战略技术，已在国家安全、国防军事、社会治理、文化教育、医疗健康、家居娱乐等领域初露峥嵘，成为世界各国极其重视的核心竞争力技术之一。本书主要研究人工智能新技术、新构想、新应用，面向未来，从人工智能发展历程、机器学习、感知认知、人机交互、机器人、脑科学、"智能+"未来应用，以及人工智能

本书主要利用控制论、代数图论、矩阵论及偏微分方程等理论和方法,重点阐述了多智能体系统一致性和复杂动态网络同步控制这两个问题,主要讨论以下几类问题：多智能体系统的**-跟随一致性问题;时滞复杂网络的同步问题;Lurie型动态网络的簇同步问题.

知识工程是创新方法的一种，是一个采用人工智能技术进行文本理解阅读，用知识图谱进行知识表达，并在知识图谱上构建的一个具有搜索、推荐、问答、舆情监测和社区服务功能的系统。本书概括了知识管理和知识工程的各种概念，描述了人工智能技术在知识挖掘中的应用发展趋势及实现知识工程的云架构技术，列举了知识工程在几个典型行业的应用实例，展

本书从统计学观点出发，以数理统计为基础，全面系统地介绍了统计机器学习的主要方法。内容涉及回归（线性回归、多项式回归、非线性回归、岭回归，以及LASSO等）、分类（感知机、逻辑回归、朴素贝叶斯、决策树、支持向量机、人工神经网络等）、聚类（K均值、EM算法、密度聚类等）、蒙特卡洛采样（拒绝采样、自适应拒绝采样、重要性采样、

《强化学习》一书内容系统全面，覆盖面广，既有理论阐述、公式推导，又有丰富的典型案例，理论联系实际。书中全面系统地描述了强化学习的起源、背景和分类，各类强化学习算法的原理、实现方式以及各算法间的关系，为读者构建了一个完整的强化学习知识体系；同时包含丰富的经典案例，如各类迷宫寻宝、飞翔小鸟、扑克牌、小车爬山、倒立摆、钟摆、

随着人工智能的发展以及TensorFlow在人工智能方面的火热应用，越来越多的大学逐步开设深度学习和人工智能课程。本书既是一本为读者量身定制的TensorFlow2.0入门教材，也是针对需要学习TensorFlow2.0新内容的读者提供的基础与进阶知识的深入型教材。本书分为10章，主要内容包括TensorFlow2.0

本书是一本体系完整、突出算法和教学资源丰富的人工智能教材，可帮助读者掌握人工智能脉络体系，从算法和模型方面来了解人工智能具能、使能和赋能的原理。全书共9章，第1章绪论；第2章逻辑与逻辑；第3章搜索求解；第4章监督学习；第5章无监督学习；第6章深度学习；第7章强化学习；第8章人工智能博弈；第9章人工智能未来发展和趋势。书

本书系统地介绍了人工智能的基本原理、实现技术及其应用，并全面反映了国内外人工智能研究领域的**进展和发展方向。本书先深入浅出地阐述了经典人工智能的原理和方法，包括知识表示、智能搜索、自动推理、机器学习和深度学习等内容，使读者对人工智能的概念和构造方法有一个比较清晰的认识；又对人工智能热点领域进行了深入阐述，包括卷积神经

数据是载体，智能是目标，而机器学习则是从数据通往智能的技术途径。机器学习是数据科学的核心，是现代人工智能的本质。本书内容包括机器学习概述、决策树学习、多层感知器、维度约简、支持向量机、无监督学习、概率图模型、强化学习、深度学习。本书除介绍常用的机器学习方法外，还综述各主要方法的应用现状。通过各章案例的详细描述,读者可以