"本书在总结作者人工智能教学成果与校企合作项目工程应用成果的基础上，将常用的人工智能方法汇总成可参考、可阅读、可复制、可再次应用的项目手册。项目内容主要包括：开发环境、图像与视频的操作、模板匹配、特征点与特征匹配、运动物体检测、目标跟踪、图像检索、手势识别、图像内容识别、手写字符识别、速算题目识别、上位机开发以及软硬结合的人脸疲劳检测。各项目内容均包括人工智能软件设计方法与代码实现步骤。    本书通过多个实际应用案例的讲解与分析，为读者提供快速掌握人工智能工程化能力的方法与步骤，使读

本书系统地介绍了人工智能的基本概念、主要方法及代表性模型算法。本书根据人工智能的知识体系，在兼顾传统的人工智能方法的基础上，重点突出前沿性内容，并对自动推理、遗传算法、神经网络、启发式优化、机器学习、异常检测、梯度下降、逻辑回归、反向传播、卷积网络、语言模型、词向量等常见技术进行详细阐述和讨论。本书结合应用安排了示例和例题，以加深读者对关键知识点的理解。

本书介绍人工智能的基础理论、技术及应用。全书共9章,主要内容包括人工智能概述、知识表示与知识图谱、搜索策略、机器学习、人工神经网络、典型卷积神经网络、智能图像处理、机器学习开发框架、机器学习项目剖析。本书强调理论联系实际，既深入浅出地介绍了人工智能领域的基础知识和实用技术，又详细介绍了两个机器学习开发框架： PyTorch和百度公司研发的PaddlePaddle（飞桨），并带领读者逐步剖析在飞桨平台上实现的项目案例。案例的代码清晰，易于理解，读者可快速提高采用机器学习方法解决实际问题的实践

人工智能是研究利用计算机系统实现人类智能的理论、方法和技术的学科。本书较系统进介绍了人工智能的基本内容，主要包括人工智能发展的三次热潮、知识与知识表示、推理方式、搜索策略、专家系统、机器学习、神经网络模型、深度学习、计算机视觉、自然语言处理、知识图谱、智能体、群智能算法、生物征识别和智能机器人等。
本书注重基本概念、基本方法和应用实例的介绍，谱言精炼、逻辑层次清晰、透合作为高等学校人工智能”课程的教材，也可以用作科技人员的参考书。

本书在系统介绍人工智能应用开发环境与平台的基础上, 对图像识别、人脸识别、车辆识别、语音识别、语音合成、机器翻译、聊天机器人等关键模块予以展开, 并在其间穿插目前市场上主流的企业级人工智能应用平台和典型的场景化应用开发实例, 可供广大人工智能应用开发者借鉴, 从而帮助降低人工智能应用开发门槛, 提高人工智能应用开发效率, 切实解决实际的人工智能应用问题, 将人工智能应用拓展至各行各业。

本书以人工智能为主要研究对象，较全面地介绍人工智能的基本原理、常见算法和应用技术。全书分为9章，主要内容包括：绪论、知识图谱与专家系统、智能搜索策略、机器学习、特征选择与提取、人工神经网络、深度学习、深度神经网络在图像处理中的应用、深度神经网络在语音信号处理中的应用。本书深入浅出、层次分明、循环渐进地对人工智能基础及应用进行系统的介绍，使读者学习得更加清晰明了。本书配有PPT、微课视频、习题及习题解答等资源，读者可登录华信教育资源网（www.hxedu.com.cn）免费下载。本书适合作为本科生

本书与工程实践紧密结合，对连续控制系统、离散控制系统、非线性系统等进行了描述，从控制系统的结构、分类、分析、设计出发，引出系统数学模型，对传递函数、动态结构图、典型环节等内容进行了细致的描述。本书重点对时域部分的系统阶跃响应分析、稳定性分析、稳态误差计算，频域部分的伯德图、幅相频率特性曲线、稳定裕度等内容进行了阐述，进而引入现代控制理论的相关内容，并针对控制方法在车辆工程中的应用给出了详细介绍。本书与“控制工程基础”慕课同步使用，便于读者学习。

本书对应课程属于一门概论性课程。本书将传统的和新一代的人工智能/智能制造融于一体，从传承与发展视角出发概述人工智能与智能制造的发展现状及其相互关系，重点阐述人工智能与智能制造共性基础技术、知识驱动的符号智能、数据驱动的机器学习、智能制造理论与技术体系、智能制造的物理系统和信息系统，并指出人工智能与智能制造的未来发展方向，包括强人工智能、融合智能+混合制造、工业5.0和社会5.0、以人为中心的人工智能和智能制造、（工业）元宇宙等。

本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。本书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现文本生成等。本书大部分章包含实训和课后习题，希望通过练习和操作实践，帮助读者巩固所学的内容。 本书可以作为高等学校数据科学与大数据技术或人工智能相关专业的教材，也可作为深度学习爱好者的自学

本书是一本深度学习从入门、算法到应用实践的书籍。全书共9章，第1章介绍深度学习基础，主要介绍基本概念和基本算法；第2章介绍深度学习的计算平台，主要介绍深度神经网络计算芯片TPU的架构原理；第3章介绍深度学习编程环境和操作基础，引导零基础读者快速入门Linux操作系统、Python编程语言、TensorFlow和PyTorch深度学习框架，为实现深度学习算法开发及应用部署奠定基础；第4～8章基于卷积神经网络，分别聚焦计算机视觉领域的几大经典任务，包括图像的分类、目标检测、语义分割、实例分割、人脸检