本書從區(qū)塊鏈的四個核心前沿技術--分布式賬本、加密技術、共識機制和智能合約技術入手，重點介紹公有鏈、聯(lián)盟鏈和私有鏈上的共識機制，描述其中使用的去中心化算法，包括PoW（工作量證明），PoS（權益證明），DPoS（股份授權證明），Ripple共識，PBFT（實用拜占庭容錯）和PoV（投票證明）等，并具體分析了每個算

粒計算是目前人工智能領域內(nèi)廣為關注的研究課題，本書旨在為初學者提供學習粒計算理論與方法的基本指導。模糊集、粗糙集和概念格是粒計算的三種主要的方法，本書把這三種方法有機地結合成為一個粒計算的基本理論框架，主要包括：1）模糊集理論，2）粗糙集理論，3）概念格理論。

作為一個崛起中的新興力量，人工智能不僅僅是一種技術，它的發(fā)展除了在科學和產(chǎn)業(yè)發(fā)展領域產(chǎn)生影響之外，還將對現(xiàn)行人類的社會規(guī)范、生活模式產(chǎn)生非常深遠的影響。隨著第三次人工智能潮的到來，人們對人工智能及其未來的發(fā)展充滿強烈的興趣和諸多的疑問——什么是人工智能？人工智能對人類生活會有哪些深遠影響？我們又能通過人工智能實現(xiàn)什么樣

機器學習是一門涉及高等數(shù)學、線性代數(shù)、概率論、統(tǒng)計學和運籌學等領域的交叉學科。機器學習的基礎就是數(shù)學，這也就要求學習者要有良好的數(shù)學基礎。為了降低機器學習的學習門檻，本書深入淺出地對機器學習算法的數(shù)學原理進行了嚴謹?shù)耐茖�；并利用Python3對各種機器學習算法進行復現(xiàn)，還利用介紹的算法在相應數(shù)據(jù)集上進行實戰(zhàn)。本書主要內(nèi)

本書通過分析最優(yōu)化理論和算法與機器學習的關系：最優(yōu)化理論和算法促進了機器學習的發(fā)展，同時機器學習對最優(yōu)化的理論和求解方法也帶來了新的研究方向和研究方法。我們針對組合優(yōu)化問題，特別是NP問題,提出機器學習的求解方法，此類方法通過一些學習方法，結合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機器學習理論方法。 本書共分為六章，

本書系統(tǒng)介紹了作者近年來在分布式多智能體系統(tǒng)一致性協(xié)同控制領域的最新理論研究成果，其集中體現(xiàn)了該領域近年來最新的研究進展與發(fā)展動態(tài)。圍繞系統(tǒng)復雜性、拓撲復雜性以及連接復雜性三個維度，分別介紹了基于合作、競爭以及合作與競爭關系的同質、異質多智能體復雜系統(tǒng)的一致性以及分組一致性協(xié)同控制等基本問題，為豐富和發(fā)展多智能體系統(tǒng)協(xié)

本書對智能任務的專家遴選與推薦問題進行了較為深入、全面的研究。本書首先全面梳理了國內(nèi)外該領域的研究情況，總結出一個較為清晰的脈絡，對相關問題的定義、起源進行了追溯，并有針對性地明確幾個研究問題的定義。然后，對作為研究試驗基礎的多學科知識結構問題進行了分析，并進一步對學術論文引用預測及影響因素、專家興趣建模、面向主題覆蓋

近20年來，復雜神經(jīng)網(wǎng)絡的建模與動力學行為研究已成為神經(jīng)科學、信息科學、非線性動力學等多學科交叉領域具有較大挑戰(zhàn)性的一個前沿性研究課題。因此，深入研究大規(guī)模神經(jīng)網(wǎng)絡的復雜動力學行為，探討大規(guī)模神經(jīng)網(wǎng)絡對外界輸入信號的興奮特性、同步特性和復雜網(wǎng)絡自身的穩(wěn)定性等，對于探索人腦的記憶、學習與思維方式和信息的處理能力將會提供有

隨著計算技術的飛速發(fā)展，人共智能似乎在頃刻之間就悄悄地來到我們身邊，一時間我們的周圍到處舞動著人工智能，令人眼花繚亂。從手機到3D打印，從谷歌眼鏡到全息投影，就連美圖APP一鍵整容都要依靠人工智能；而且，人工智能的快速發(fā)展超越人類的想象，一時間，人機交互、無人駕駛、虛擬現(xiàn)實等智能設備扎堆出現(xiàn)，智能機器人頻頻亮相。

TensorFlow大名鼎鼎，現(xiàn)在已經(jīng)更新了10多個版本，隨著版本的更新其接口和功能也越來越強大。尤其是TensorFlow的高階API接口，集成了很多算法和網(wǎng)絡模型，可以達到所用即所得的地步。但是由于各種原因，我們往往很少去了解如何使用這些高級API來進行編程，解決自己的問題。因此本書旨在能夠以編程實踐為入手，按照實

本書是一本利用Python技術，結合人工智能、神經(jīng)網(wǎng)絡和機器學習、遺傳算法等互聯(lián)網(wǎng)技術進行相應行業(yè)模型開發(fā)的技術圖書。本書第1～4章主要講解了利用Python軟件分析模型開發(fā)的入門知識，包括開發(fā)工具的使用、測試技術難點等內(nèi)容；第5～7章主要講解了利用人工智能中的神經(jīng)網(wǎng)絡技術進行技術研發(fā)，利用數(shù)據(jù)挖掘技術完善行業(yè)技術模型

人工智能與機器人創(chuàng)意設計賽為大學生提供一個創(chuàng)新創(chuàng)意展示平臺，旨在培養(yǎng)和鍛煉學生的自主學習能力、創(chuàng)新能力、工程實踐能力、團隊合作能力等四個能力，為培養(yǎng)新一代卓越工程師提供平臺。該項比賽鼓勵新思路、新理論、新技術在機器人設計和人工智能應用中的探索與創(chuàng)新，鼓勵學生進行自己動手設計制作人工智能與機器人系統(tǒng)，提交論文到競賽組委會

不知不覺，人工智能已經(jīng)走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術。這些應用的核心技術就是深度學習，也正是本書的核心內(nèi)容。 本書以TensorFlow為核心，分為3篇，共計15章節(jié)。第1篇是基礎篇（第1~5章），主要介紹什么是深度學習、深度學習的本質是什么、深度學習所使用的教材和方法，以及深度學習

本書內(nèi)容涵蓋了人工智能的起源、機器學習、神經(jīng)網(wǎng)絡、深度學習、專家系統(tǒng)、推薦系統(tǒng)、自然語言處理、智能圖像處理、智能機器人。本書可供從事人工智能研究領域的工程技術人員和科研人員閱讀。

全書分為人工智能基礎與智能機器人兩大部分，共17章。第一部分主要介紹人工智能的基本概念、知識工程、確定性推理、不確定性推理、搜索方法、人工神經(jīng)網(wǎng)絡、機器學習、進化計算與群體智能、分布式人工智能等內(nèi)容。第二部分主要介紹智能機器人的定義和研究領域、機器人感知、移動機器人定位與建圖、移動機器人導航、機器人路徑規(guī)劃、多機器人系

本書從人工智能與人的生存這個大的命題出發(fā)，圍繞人工智能與人的生存、生活及發(fā)展這三個維度而展開，進行了較為全面的論述，對人們?nèi)粘Ｉ�活中的人工智能運用的一些困境和出路進行了分析，帶有一定的人工智能知識的科普目的，以化解人工智能時代人們生存的憂慮，從而促進人們以更加積極的心態(tài)、更充分的準備應對人工智能時代的到來。

本書從人工智能入手，以流行的深度學習算法作為科普的重點，用生活中常見的邏輯與方法例子類比人工智能貌似深奧的數(shù)學原理以提供普通讀者深入了解人工智能及機器學習的可能，例如用買零食的例子科普遺傳算法，用看醫(yī)生的例子類比專家系統(tǒng)，用給狗分類的實例類比深度學習和神經(jīng)網(wǎng)絡，讓讀者在輕松的氛圍中學會人工智能。

近年來，人工智能技術已經(jīng)從實驗室走向大眾生活當中，互聯(lián)網(wǎng)企業(yè)為了提升在行業(yè)的未來競爭力，也紛紛在AI各領域進行布局。人工智能領域的爆發(fā)，同樣也對產(chǎn)品經(jīng)理提出新的挑戰(zhàn)。對于產(chǎn)品從業(yè)人員來說，人工智能時代需要了解哪些變化，也要學會堅守不變的原則。本書將以產(chǎn)品經(jīng)理角度出發(fā)，介紹人工智能發(fā)展歷史、AI基本知識、AI產(chǎn)品設計方法

《移動深度學習》由淺入深地介紹了如何將深度學習技術應用到移動端運算領域，書中盡量避免羅列公式，嘗試用淺顯的語言和幾何圖形去解釋相關內(nèi)容。本書第1章展示了在移動端應用深度學習技術的Demo，幫助讀者建立直觀的認識；第2章至第4章講述了如何在移動端項目中應用深度學習技術；第5章至第8章的難度略大，主要講述如何深入地調(diào)整框架

TensorFlow已經(jīng)成為機器學習的流行框架和工業(yè)屆標準，早期的TensorFlow以云端和數(shù)據(jù)中心中的機器學習為主，近期的一個趨勢是，逐漸向移動端和設備端轉移。推動這個趨勢的動力包括人們對機器學習理論和認知的提高、算法及技術的改進、軟件和硬件性能的提高，以及專有硬件的出現(xiàn)等，更主要的是，用戶的需求和越來越豐富的場景