本书内容范围包括：智能优化算法，人工神经网络，深度学习，强化学习，迁移学习，联邦学习，推荐系统，知识图谱。本书知识结构包含传统的智能优化算法原理和应用，人工神经网络原理和应用，深度学习中卷积神经网络的典型结构和实现，强化学习经典算法原理和应用，迁移学习经典算法原理和实现，以及深度学习高阶应用：推荐系统和知识图谱。

本书系统呈现了情绪识别技术在脑电、外周生理信号与面部图像等多模态领域的发展脉络，重点面向跨设备、多认知变量、隐性情绪等条件下的情绪识别难题，突破了跨设备干湿脑电特征迁移、操控状态负性情绪脑电特征解耦，以及微表情与多生理信号融合的隐藏情绪识别等关键技术，为情绪识别技术从实验室走向更真实、更复杂的人机交互应用场景提供了理论

全书共12章，分五部分，依次覆盖大模型学习推理认知、RL基础与大模型适配、大模型RL核心训练、分布式/多智能体与世界模型进阶，以及RLHF/DPO等落地方法与CoT/ToT推理增强。第一部分搭建大模型学习与推理的整体认知框架，第二部分夯实强化学习基础并解析与大模型的适配逻辑，第三部分聚焦核心算法与大模型的深度结合，第四

全书分为四大板块。第一部分从手机自带语音助手、主流AIAPP的基础操作讲起，帮助读者快速迈出入门第一步；第二部分覆盖健康咨询、生活妙招、社交沟通等高频日常场景，讲解如何用AI解决实际生活难题；第三部分介绍AI写作、唱歌、绘画、短视频制作等创意玩法，丰富退休精神生活；第四部分聚焦AI时代的网络安全防骗知识与持续学习方法，

本书是关于智能信息处理模型及其应用的专著，着重介绍作者提出的人工脑深度信息处理模型。主要内容包括：人工脑模式识别的紧密包裹学习模型，人工脑深度神经网络信息处理模型(深度学习卷积神经网络轻量化模型、基于生成对抗网络的水下图像增强模型、基于多视角的3D物体识别模型)，人工脑开集识别深度神经网络模型(基于负类样本特征增强和深

全书共10章，主要包括计算机视觉的基本概念、基本原理；深度学习的基本知识和基本原理；卷积神经网络的基本知识和基本方法；迁移学习的相关知识；图像分类的基本知识和主流算法模型；目标检测的基本原理和主流算法模型；图像分割的基本知识。同时，还介绍了生成式模型，如生成对抗网络、扩散模型等。为帮助读者充分了解和掌握基础理论知识，第

本书为高等学校人工智能通识教育课程教材。人工智能通识教育是适配AI时代人才培养的重要课题，本书紧扣人工智能发展趋势和国家战略导向，围绕人工智能通识教育的完整知识链路展开，从人工智能概述切入，逐步夯实计算和算力、数据表示等底层基础，然后通过人工智能编程基础掌握实践工具，通过机器学习理解智能模型的核心原理，最终聚焦计算机视

本书开篇讲解HermesRuntime整体架构、任务调度、工具调用机制，并带领读者完成基础环境搭建与首个Agent运行；随后依次深入拆解Tool工具系统、Agent执行循环、Prompt组装与上下文管理、分层长期记忆、向量检索RAG、Skill技能体系等核心组件，详解各模块的工作原理、配置规则与开发方法；接着讲解子Ag

本书系统探讨了现代人工智能技术的核心理论、前沿进展及其在多领域的应用实践。内容涵盖机器学习、深度学习、自然语言处理及计算机视觉等关键技术，深入剖析了神经网络、强化学习等算法的原理与优化策略。

本书共15章，主要包括AI训练师基础、数据标注的概念与方法、数据标注的工具与操作、数据整理与预处理的方法、AI算法与神经网络、AI模型训练与优化、AI文案模型训练、AIStudio模型训练平台、AI语言模型训练、AI绘画模型训练、AI语音模型训练、AI训练在交通智驾中的应用、AI训练在医疗法律中的应用、AI训练在政务教