本书采用项目式学习法，通过简单、有趣、实用性强的小案例，让读者能够轻松体验和学习深奥的人工智能技术。同时，每个项目通过无代码的人工智能学习网站、拖拽式积木编程、少量代码的Python编程等多种方式实现，读者可以根据自身水平选择合适的方式进行学习体验。
本书共分7章，序章总述人工智能，第1~6章分别从图像处理、文本处理、机器翻译、语音识别、机器学习和自动驾驶等几个领域向读者普及人工智能知识。
在学习本书前，读者应初步掌握Python语言的基础语法、第三方库安装等基础知识。
本书可以

本书共14章，涵盖了深度学习中的大部分学习网络方法。第1～2章介绍开发环境软件安装和深度学习相关的软件包，第3～4章是鸢尾花多分类全连接神经网络识别案例与实现，第5～6章是MINIST手写数字识别案例，第7章是FashionMNIST服装识别案例，可以加深对卷积神经网络的认识，第8章介绍CIFAR-10数据集彩色图片识别案例，第9章介绍循环卷积神经网络并通过字母预测实现，第10章是Embedding编码下通过4个字母预测下一个字母的案例，第11章是股票预测案例，第12章是基于OpenCV和Ker

本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能的相关知识，主要内容包括人工智能的基本概念，人工智能的分类和应用，人工智能的发展历程，人工智能的核心技术，人工智能在教育、家居、经济、视觉、工业领域的应用以及人工智能的未来。本书案例丰富、通俗易懂，可使读者快速了解人工智能的基本概念和应用，可以作为高职类院校的人工智能通识类课程教材，也可以供社会人士学习和了解人工智能之用。本书配有电子课件及习题参考答案，读者可以从中国水利水电出版社

本书是针对有一定Python基础的读者而编写的一本人工智能算法入门书籍。书中将算法原理讲解与实际案例相结合，通过让读者动手编程的方式加深读者对所学算法的理解。全书共7章，包括人工智能概述、人工智能算法框架、启发式算法、监督学习与无监督学习、深度学习、强化学习、人工智能未来展望等内容，其中所有案例代码均可通过扫描书中二维码获得。
本书既可作为高等院校计算机、软件工程、大数据等相关专业的本科生或研究生教材，也可作为各种人工智能实践班的培训教材，同时还可供广大对人工智能算法感兴趣的研究人员

本书主要介绍华为物联网操作系统LiteOS内核相关知识。全书共11章，介绍了物联网操作系统概述、移植LiteOS到STM32、任务管理、消息队列、信号量、互斥锁、事件、时间管理、中断管理、内存管理、LiteOS实战——人体感应场景，深入讲解了LiteOS内核资源、运行机制及应用场景。本书设计了大量操作任务，读者可通过实践操作，在调试验证中巩固所学的理论知识。 本书可作为高校物联网、嵌入式等相关专业的教材，适合高职或应用型本科学生学习，还适合物联网技术支持人员、物联网开发人员及广大嵌入式技术爱好者

本书总体目标是介绍触力觉人机交互的现状、发展趋势和重要应用，为读者在机器人、虚拟现实、生物工程、认知科学等领域开展跨学科研究和技术开发打下基础。全书共8章，主要内容包括触力觉人机交互概述、人体触力觉感知和运动控制的生理基础、桌面式力觉交互设备、力觉合成方法、桌面式力觉交互系统、振动触觉交互、纹理触觉交互、触力觉人机交互前沿等。通过本书的学习，读者可以了解触力觉感知的生理基础知识，学习如何研制和使用触力觉交互设备、如何设计实现触力觉合成算法、如何开发触力觉人机交互仿真系统。 本书既可作为机械工程、

本书是关于神经网络的经典教材，完整、详细地讨论了各个主题，且包含了相关的计算机实验。全书共15章，主要内容包括神经网络的定义、Rosenblatt感知器、回归建模、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主成分分析、自组织映射、信息论学习模型、源于统计力学的随机方法、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波、动态驱动递归网络。本书适合高等院校计算机、电子信息、软件工程、智能工程等专业的高年级本科生和研究生学习使用，也可供相关领域的技术人员参考。

本书是一本介绍深度学习的实践教材,采用的深度学习工具为TensorFlow。本书主要内容包括深度学习环境搭建，数据处理与模型加载，图像处理，图像增强识别实战和两阶段目标检测实战，单阶段目标检测，实战文本识别和图像生成，机器创作，情感分类、翻译、对话，GAN及其变体的创作，强化学习与迁移学习等。降低了深度学习的门槛。
本书案例丰富新颖，涉猎领域广泛，代码分类清晰，实用性和可操作性强，可作为高校人工智能相关专业以及相关培训机构的案例实战教材，也可以作为深度学习智能应用及算法工程师强化训练的参考

本书目的是从作者最近出版的《强化学习预**控制》教科书中更深入地发展一些方法。特别是，提出了有关涉及多个代理，分区架构和分布式异步计算的系统的新研究。本书还将详细讨论该方法在挑战离散/组合优化问题（例如路由，调度，分配和混合整数编程）中的应用，包括在这些情况下使用神经网络近似。

本书可作为计算机科学与技术、控制科学与技术、电子科学与技术等相关领域研究生和高年级本科生的教学参考书，也可供信息、通信、控制、优化等领域的科研人员参考。

本书为深圳信息职业技术学院等高职院校与腾讯集团共同编写的高等职业教育人工智能技术服务专业校企“双元”合作系列教材，同时也是高等职业教育计算类课程新形态一体化教材。    本书采用项目化任务分解的形式，讲解深度学习开发与应用技术。全书分为10个项目16个任务，主要内容包括：认识人工智能，Linux系统和Python开发环境安装，安装人工智能深度学习开发环境，准备训练所用知识库——认识和预处理数据集，构建多层感知模型进行手写数字图像识别，优化多层感知模型进行手写数字图像识别，构建卷积神经网