语言智能处理一直是人工智能领域的重要研究方向之一。本书按照研究历程与现状、关键技术与方法、发展趋势与展望的基本脉络，重点介绍了语言智能处理中的语言模型与知识表示、语言分析技术、语言情感分类、自然语言生成技术、自动问答与人机对话、机器翻译、信息检索与信息推荐等主题。本书所描述的内容涉及人们日常生活中的真实应用场景，理论与

据联合国预测，2050年全球将达到100亿人口。本书认为，地球养活100亿人口是一个巨大的挑战，人类将面临“FEW”困境。“FEW”是食物(Food)、能源(Energy)、水(Water)三个英文单词的首字母缩写，是人类生存与发展不可或缺的基础性资源。然而，随着地球上人口的增长，食物安全、淡水资源短缺、化石能源枯竭等

类脑人工智能是研究、开发用于模拟、延伸和扩展人脑智能的理论、方法及应用的技术科学，将类脑人工智能技术应用于目标检测与跟踪，可大幅提升复杂背景、干扰条件下的目标检测概率及跟踪精度，具有重要而广泛的应用前景。本书系统阐述了人脑视觉信息处理机制的基本原理、主要特性、数学建模及算法设计等。同时，结合深度神经网络（DNN）、类脑

增强现实（AR）作为虚拟现实的一个技术延伸，是虚拟与现实的连接入口，是一种实时计算摄像机捕捉到的现实影像的位置及角度并加上相应虚拟信息的技术。伴随着AR技术迅速发展的是其3D实感摄像设备的快速更新。将这些3D实感摄像设备结合物联网技术可广泛应用于导航与定位、远程医疗、智能家居控制等多种领域。本书从系统设计的角度出发，由

本书采用技术分析与场景描述相结合的模式，围绕物联网体系结构、关键技术和安全防控等方面进行系统的介绍。本书主要包括物联网概述、物联网基础知识、物联网数据服务、场景角度的IoT安全、技术角度的IoT安全、物联网流量安全、区块链与物联网安全七部分内容。

本书从神经网络的基础知识讲起，逐步深入到Python进阶实战，通过对各种实用的第三方库进行详细讲解与实战运用，让读者不但能够更加深入地了解神经网络，而且能够简单高效地搭建自己的神经网络，即使没有专业背景知识也能轻松入门神经网络。 本书分为11章，涵盖的主要内容有神经网络概述，神经网络基础知识，计算机程序的特点，神经网络

本书全面系统地讲解了深度学习相关的知识。全书共8章，内容包括深度学习简介及TensorFlow安装，神经网络基础、神经网络的TensorFlow实现、卷积神经网络基础、经典卷积神经网络（上）、经典卷积神经网络（下）、深度学习用于文本序列和深度学习实验项目等内容。 本书以知识体系为基础，以课堂案例为载体，采取理论与实践相

本书共11章，主要介绍机器学习的基本概念和两大类常用的机器学习模型，即监督学习模型和非监督学习模型。针对监督学习模型，本书介绍了线性模型（线性回归、Logistic回归）、非线性模型（SVM、生成式分类器、决策树）、集成学习模型和神经网络模型及其训练；针对非监督学习模型，本书讲解了常用的降维技术（线性降维技术与非线性降

本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景

全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括"深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。