"本书首先概述人工智能的基本概念、研究内容、研究途径与方法、分支领域与研究方向、应用前景、历史沿革、现状与趋势等，勾画了人工智能学科的总体架构； 然后简要阐述人工智能主要分支的原理、方法和发展概况，并指出延伸学习的内容和方向。全书共11章，内容全面、基础、经典而新颖。 本书篇幅适中、层次分明、条理清楚、理例结合、图文并茂、深入浅出、详略得当、纸电结合、易读易懂、易教易学。 本书为高等学校各学科各专业的人工智能通识课程教材，也可作为科学研究和工程技术人员及广大人工智能爱好者的自学或参考用书。

"本书以自主智能无人系统为主线，全面系统地介绍了其核心原理、基础知识以及智能算法，主要内 容包括无人系统经典模型、无人系统运动控制、机器学习和深度神经网络、智能控制、传感器滤波与智 能融合、即时定位与建图、态势智能评估、自主任务分配与行为规划、智能路径规划与轨迹规划、多智 能体系统协同控制、多智能体系统协同优化与决策等。 本书可以作为自动化、人工智能、机器人等相关专业的本科生或研究生的教科书，也适合作为自主 智能无人系统研究领域科研工作者的参考书。 "

"本书全面且深入浅出地介绍了机器学习技术，不仅涵盖机器学习算法原理及其实现和运行，还包括Python编程基础和深度学习入门知识，有助于初学者快速掌握算法的实际应用。本书每一节都提供了相应的Python代码实例，通过文字、公式、图像、代码和运行结果的结合，读者可以深入理解算法的实现过程。
全书分为3部分: 第一部分（第1～3章）提供必备的预备知识，包括机器学习概述、Python和NumPy基础；第二部分（第4～11章）详细介绍各种机器学习算法，涉及回归、分类、聚类等任务；第三部分（第12、1

"本书是一本全面深入的深度学习实践指导书，旨在为读者提供从基础概念到高级应用的系统性知识。

本书第1章从基础开始，介绍了PyTorch工具，涵盖了数据的加载与预处理，以及基础网络构建和训练流程。 第2章深入图像分类，探讨了CNN架构、数据增强技术，以及模型优化和部署策略。 第3章转向创造性图像应用，包括风格迁移、Deep Dream、GAN和超分辨率技术，并讨论了CycleGAN的应用。 第4章专注于视觉系统，讲解了目标检测、语义分割以及相关网络结构。 第5章和第6章分别探讨了循环

"随着人工智能和数字技术的飞速发展，深度学习已成为现代技术革新的核心驱动力之一。从语音识别到自动驾驶，深度学习的应用正在不断改变人们的生活方式。然而，深度学习技术的复杂性和广泛性，使得初学者和实践者在理解与应用这些技术时面临诸多挑战。因此，本书对深度学习的基本理论、核心技术及实际应用进行了系统梳理，旨在帮助读者全面掌握这一领域的核心知识。
本书融合理论、技术与实践，旨在为深度学习爱好者、高等学校计算机科学与技术、人工智能、智能科学与技术等相关专业本科生、研究生以及工业界的专业人士提供一条系

机器学习是人工智能领域的重要组成部分，其深度和广度都在持续扩展。本书不仅对机器学习基础知识进行了全面介绍，而且深入讨论了各种经典和常用的机器学习方法。通过理论与实践相结合的方式，帮助读者理解机器学习的基本原理，掌握常用的方法，并能够在实际问题中应用这些技术。本书共10章，可分为两部分。第一部分主要介绍机器学习的背景知识，包括其定义、应用领域、发展历程等。这部分旨在为读者提供一个全面的视角，从而了解机器学习的概貌。第二部分则侧重于技术的讨论，包括各种经典和常用的机器学习方法的具体实现和应

本书是一本融合人工智能及其在海洋机器人中应用的综合性教材，旨在为学生、研究人员和工程师提供全面的理论基础和实际应用技能。本书内容涵盖了人工智能的基础理论、人工神经网络在海洋机器人控制中的应用、强化学习方法在海洋机器人决策上的应用、基于深度学习的水下目标探测，以及人工智 能在海洋机器人中的具体应用实例。

本书介绍了机器学习的典型算法及MATLAB编程方法。主要内容包括：线性回归、非线性回归、分类、聚类、人工神经网络、支持向量机、决策树、模糊逻辑、集成学习、半监督学习、强化学习、关联规则学习、深度学习、机器阅读和机器写作等。本书注重实用性，精选了大量实例，每个实例都提供了MATLAB程序，并进行了详细的注释，有助于读者真正理解这些算法和编程方法，把它们应用到自己的工作中来解决实际问题。因此，本书具有较强的实用性和可操作性。

本书主要把握计算机科学与技术的发展趋势，熟悉人工智能的前沿知识和研究热点。本书从人工智能的概述出发，介绍了人工智能研究领域的基础知识，与此同时，对人工智能领域的核心算法--机器学习技术展开详细介绍，让读者掌握对相关技术的算法创新以及工程实践等。该教材紧密联系计算机学科中的人工智能前沿内容和所涉及的项目实践技术，读者通过该课程的学习能够了解基本的人工智能新技术和实际问题求解的创新方法。 全书兼具理论性、资料性和实践性。

本书以AIBox 嵌入式平台作为人工智能（AI）硬件平台、以Ubuntu 作为嵌入式操作系统、以Facebook 公司的PyTorch 框架作为深度学习设计框架，设计了摄像头模糊检测项目、行人检测项目、车道线检测项目和人脸检测项目4 个人工智能实践项目，实现了国产人工智能硬件平台 人工智能开放平台的无缝组合。
本书以案例教学为特色，注重人工智能技术与图像处理技术的融合。本书核心内容既包含必要的人工智能基础知识，例如素材采集与标注、深度学习的建模与调试等，又包含人工智能开发的软件环