本书是面向高级人工智能人才培养的高等学校人工智能相关专业精品教材中的一本，以信息物理系统、模糊逻辑系统、自主无人系统、群体智能、多Agent系统、人机协同系统、工业智能控制系统、机器人系统等为案例，完整呈现了人工智能综合应用体系架构。本书首先介绍了智能系统的发展、相关概念、主要特征和类型、智能系统的发展前景，然后围绕智

本书首先从深度学习的原理出发，介绍如何把深度学习的理论转换为PyTorch代码，然后介绍如何在计算机上运行这些代码。作为一本面向初中级读者的技术类图书，本书在前面所述内容的基础上，还介绍了学术界前沿的一系列实例，以及PyTorch的源代码结构，以期读者能够融会贯通深度学习框架的设计和应用的思想。

本书系统介绍了深度学习理论，并基于MindSporeAI计算框架进行实践。全书共分十四章，内容涵盖了深度学习概况、理论基础、深度神经网络、卷积神经网络、无监督学习、深度强化学习、自动化机器学习、端云联合训练、可视化、数据准备等内容。为便于读者学习，书中还给出了基于MindSpore实现的关于深度学习的开发实例以及线上资

本书探讨了计算机在创造性艺术等领域里可能做出的贡献。除了探讨人工智能（AI），本书也是一部人类创造力的历史。AI可以创作出优美的音乐，但AI本身会知道为什么这个音乐作品是优美的吗？或者，人类会认为这个音乐作品是AI原创的吗？为了思考这些问题，我们必须追溯人类创造力的历史，思考第一批人类是怎样、何时、为何与音乐建立联系的

本书内容包括神经网络的基础、深度神经网络的优化和验证、深度神经网络开发和训练环境的构建、使用Tensor-Board进行网络训练的监控和模的超参数优化。本书详细介绍的深度学习问题，包括基本的回归问题、二元分类问题和多元分类问题，还包括较为复杂的卷积神经网络对图像的分类和使用预训练CNN进行的迁移学习；使用递归神经网络进

本书介绍了数据科学领域常用的所有重要机器学习算法以及TensorFlow和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、k均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。在本书中，你将学会如何使用这些算法来解决所遇到的问题，并了解这些算法的工作方式。本书还将

着重介绍深度强化学习的学术界前沿进展与核心代码分析的书籍。对深度强化学习方面的重要学术进展按照单智能体深度强化学习、多智能体深度强化学习、多任务深度强化学习三个方向梳理，介绍其核心算法，以及算法的代码实现示例。

《TensorFlow深度学习（原书第2版）》深入介绍了如何使用TensorFlow构建深度学习应用，从实践的角度讲解深度学习知识。本书主要内容包括深度学习入门，介绍了机器学习和深度学习的基础知识；TensorFlow的主要特性，以及TensorFlow的安装与配置，通过示例进行TensorFlow计算、数据和编程模型

目标是培养学生对智能计算完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）融会贯通的理解，成为智能计算系统（子系统）的设计者和开发者。

本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。本书随书提供了机器学习中若干重要问题的MATLA