迎來“深度學習”這項重大技術突破后，人工智能已經從發(fā)明的年代步入了實干的年代。 現(xiàn)在已是未來，我們所處的時代，已經與過去完全不同。面對已經來臨的、機遇與挑戰(zhàn)并存的人工智能時代，我們必須要了解人工智能，跟上人工智能發(fā)展的腳步，這樣才能不被時代淘汰。 目前全球人工智能發(fā)展的情況是

本書探索如何將機器學習應用于各種安全問題(如入侵檢測、惡意軟件分類和網絡分析)。機器學習和安全專家克拉倫斯·奇奧與大衛(wèi)·弗里曼為討論這兩個領域之間的聯(lián)姻提供了框架，另外還包括一個機器學習算法工具箱，你可以將其應用于一系列安全問題。

粒子群優(yōu)化算法是一種新的模仿鳥類群體行為的智能優(yōu)化算法，是群體智能優(yōu)化算法的一個重要分支，已成為國際上仿生智能計算領域里的研究熱點和重點之一。本書共6章，分別論述了優(yōu)化問題和仿生智能計算、模仿鳥群覓食行為的粒子群優(yōu)化算法、形式多樣的粒子群優(yōu)化算法、無速度項的粒子群優(yōu)化算法、分布估計粒子群優(yōu)化算法和粒子群優(yōu)化算法的應用等

本書結合兩個重要和流行的研究領域：復雜網絡和機器學習，不僅包括基礎背景知識，還包含近期*新的研究進展。書中包括大量插圖和例題幫助讀者理解主要思想和實現(xiàn)細節(jié)。

本書首先簡要介紹流行的TensorFlow庫，并講解如何用它訓練不同的神經網絡。你將深入了解神經網絡的基礎知識和它背后的數學原理，以及為什么我們會選擇TensorFlow訓練神經網絡。然后，你將實現(xiàn)一個簡單的前饋神經網絡。接下來，你將使用TensorFlow掌握神經網絡的優(yōu)化技術和算法，以及一些更復雜的神經網絡的實現(xiàn)。

本書主要介紹Caffe的技術原理和一些高級使用技巧，首先介紹深度學習的趨勢和業(yè)內動態(tài)，然后介紹Caffe的基礎知識。在理解了Caffe算法的基礎上，介紹Caffe的技術原理和特點，包括數學知識和設計知識。*后介紹Caffe深度學習多任務網絡。本書將實踐和現(xiàn)有系統(tǒng)進行無縫對接，并詳述了各種調參技巧。

深度學習，特別是深度卷積神經網絡是人工智能的重要分支領域，卷積神經網絡技術也被廣泛應用于各種現(xiàn)實場景，在許多問題上都取得了超越人類智能的結果。本書作為該領域的入門書籍，在內容上涵蓋深度卷積神經網絡的基礎知識和實踐應用兩大方面。全書共14章，分為三個部分：第一部分為緒論；第二部分（第1～4章）介紹卷積神經網絡的基礎知識、

《人工智能英語入門（詞句篇）》圍繞“機器人英語教學，活躍試驗區(qū)改革，突出專業(yè)特色”的方針，以機器人領域中的百詞百句為起點，選取了人工智能英語中常見的一百個詞條，提供漢語釋義和中英文對照的例句，學習者可以從語境、語用、語義和結構等多方面進行活學活用。

自人工智能問世以來，人們普遍持有人機對立的觀點，且無時無刻不在害怕自己的工作會被人工智能取代。作者認為，是時候拋開這些無謂的擔憂了，因為人類社會正走向一個與機器共融共生的時代。 未來的新型工作模式是什么？未來有哪些工作不會被人工智能取代？人工智能時代重要的生存技能是什么？本書圍繞這三大核心問題做了透徹的分析。作者帶

《深度學習基礎教程》是真正適合深度學習初學者的入門書籍，全書沒有任何復雜的數學推導�！渡疃葘W習基礎教程》首先介紹了深度學習的優(yōu)勢和面臨的挑戰(zhàn)、深度學習采用深層架構的動機、學習深度學習需要的數學知識和硬件知識以及深度學習常用的軟件框架。然后對多層感知機、卷積神經網絡（CNN）、受限玻耳茲曼機（RBM）、循環(huán)神經網絡（RN