數(shù)年來(lái)，幾乎每天都能聽到關(guān)于人工智能的重大新聞，其間，筆者針對(duì)人工智能的產(chǎn)業(yè)應(yīng)用問題展開了一系列思考和研究，并得出了一些結(jié)論，本書即是對(duì)這些的總結(jié)。 本書分三大部分，第I部考察AI在特定行業(yè)和業(yè)務(wù)中的應(yīng)用前景；具體論及AI的發(fā)展程度、人工智能如何改變?nèi)祟愄貏e是白領(lǐng)階層的工作、AI與IoT的關(guān)系，此外該部分還

本書是“十三五”江蘇省高等學(xué)校重點(diǎn)教材。本書較全面、系統(tǒng)地介紹了“控制工程基礎(chǔ)”課程的基本內(nèi)容，并注重對(duì)基本理論、基本概念和基本分析方法的闡述。內(nèi)容包括緒論、線性控制系統(tǒng)的運(yùn)動(dòng)方程及模型、線性系統(tǒng)的時(shí)域和頻域分析方法、閉環(huán)控制系統(tǒng)的穩(wěn)定性分析、閉環(huán)控制系統(tǒng)的誤差分析、自動(dòng)控制系統(tǒng)的校正、控制系統(tǒng)實(shí)例、拉普拉斯變換、MA

本書系統(tǒng)全面地介紹了人工智能與信息感知理論與實(shí)踐的內(nèi)容。依據(jù)信息感知系統(tǒng)的組成、特點(diǎn)以及信息感知過(guò)程，以感知、融合、智能處理為主線，重點(diǎn)介紹了面向信息感知處理背景下的人工智能前沿理論與方法。內(nèi)容包括：信息感知與數(shù)據(jù)融合基本原理與方法；神經(jīng)計(jì)算基本方法，神經(jīng)計(jì)算實(shí)現(xiàn)技術(shù)以及支持向量機(jī)；深度學(xué)習(xí)中典型神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)及其應(yīng)用；

用戶體驗(yàn)（UserExperience，簡(jiǎn)稱UE/UX）,是用戶使用產(chǎn)品過(guò)程中建立起來(lái)的一種純主觀感受,用戶體驗(yàn)是隨著設(shè)計(jì)行業(yè)的成熟而逐漸產(chǎn)生出來(lái)的新的專業(yè)方向，用戶體驗(yàn)這種新興的交叉學(xué)科，主要由三部分組成，分別是心理學(xué)、工業(yè)設(shè)計(jì)、以及計(jì)算機(jī)交互。用戶體驗(yàn)與心理學(xué)之間的關(guān)系緊密，主要涉及認(rèn)知心理學(xué)、人因工程等領(lǐng)域。本書

**智能是\"思想上的蟲洞\"。通過(guò)與它合作，我們可以探索突破進(jìn)化限制的思想空間，我們可以獲得宇宙中深深隱藏著的知識(shí)，我們甚至可以變成新生命的創(chuàng)造者！人工智能正在我們的社會(huì)中扮演著越來(lái)越重要的角色，圍繞著人工智能的討論也在變得越來(lái)越兩極分化，很多人認(rèn)為，機(jī)器要么能解決所有人的問題，要么就會(huì)把我們拖進(jìn)黑暗的、反烏托邦的深

本書介紹交互式設(shè)計(jì)的技術(shù)與技巧，講述如何從目標(biāo)用戶的需求和期望出發(fā)，結(jié)合人類本身的心理特征和行為特點(diǎn)，用簡(jiǎn)單的方法創(chuàng)建易用、有效且讓用戶愉悅的設(shè)計(jì)。書中闡釋了合理刪除、分層組織、適時(shí)隱藏和巧妙轉(zhuǎn)移這4個(gè)令交互設(shè)計(jì)成果最大程度簡(jiǎn)單易用的策略。第2版根據(jù)近年來(lái)交互設(shè)計(jì)領(lǐng)域的實(shí)踐和發(fā)展，對(duì)書中案例進(jìn)行了全面更新。

《創(chuàng)造力與人工智能的概念整合研究（英文版）/德古意特認(rèn)知語(yǔ)言學(xué)應(yīng)用叢書》從概念整合理論的視角，解析了創(chuàng)造力與人工智能，探討了創(chuàng)造力的過(guò)程、理論與表征，以及計(jì)算實(shí)現(xiàn)的各個(gè)方面，包括組合、完善和擴(kuò)展等。

計(jì)算機(jī)視覺、自然語(yǔ)言處理和語(yǔ)音識(shí)別是目前深度學(xué)習(xí)領(lǐng)域很熱門的三大應(yīng)用方向，本書旨在幫助零基礎(chǔ)或基礎(chǔ)較為薄弱的讀者入門深度學(xué)習(xí)，達(dá)到能夠獨(dú)立使用深度學(xué)習(xí)知識(shí)處理計(jì)算機(jī)視覺問題的水平。通過(guò)閱讀本書，讀者將學(xué)到人工智能的基礎(chǔ)概念及Python編程技能，掌握PyTorch的使用方法，學(xué)到深度學(xué)習(xí)相關(guān)的理論知識(shí)，比如卷積神經(jīng)網(wǎng)絡(luò)

深度強(qiáng)化學(xué)習(xí)（DeepReinforcementLearning，DRL）是深度學(xué)習(xí)算法和強(qiáng)化學(xué)習(xí)算法的巧妙結(jié)合，它是一種新興的通用人工智能算法技術(shù)，也是機(jī)器學(xué)習(xí)的前沿技術(shù)，DRL算法潛力無(wú)限，AlphaGo 是目前該算法*成功的使用案例。DRL算法以馬爾科夫決策過(guò)程為基礎(chǔ)，是在深度學(xué)習(xí)強(qiáng)大的非線性函數(shù)的擬合能力下構(gòu)成

本書從深度學(xué)習(xí)的發(fā)展歷程講起，以豐富的圖例從理論和實(shí)踐兩個(gè)層面介紹了深度學(xué)習(xí)的各種方法，以及深度學(xué)習(xí)在圖像識(shí)別等領(lǐng)域的應(yīng)用案例。內(nèi)容涉及神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer和TensorFlow在內(nèi)