数据智能是以数据为中心、以 感知用 为模式的人工智能，也可以说是以数据获取、加工、处理、分析、应用为智能特征的人工智能。数据智能包括智能感知、智能认知（机器学习）、智能控制／ 智能决策等方面，是近代人工智能研究为活跃、应用为普遍的部分。本分册主要从深度生成模型、生成式对抗网络、模型驱动深度学习、自步课程学习、强化学习、迁移学习及演化智能方面进行阐述，涵盖标准算法及精选的应用案例，总结了近年来数据智能研究的发展与成果。

本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，由浅入深地阐述了深度学习的基础知识、主要模型以及前沿研究热点，使得读者能有效地掌握深度学习的相关知识，并具备以深度学习技术来处理和解决大数

伴随着 对人工智能产业的政策支持，人工智能在教育领域正发挥着越来越重要的作用，这既是教育发展的机遇，同时也是教育面临的挑战。本书在系统梳理 外人工智能教育应用相关研究的基础上，提出人工智能教育应用本体论、认识论、实践论和方法论的研究框架。本体论方面，本书清晰界定人工智能教育应用的内涵，并进一步从理论基础、技术基础和教育技术基础三个方面分析人工智能教育应用的理论与技术支撑；认识论方面，从人工智能时代的教育模式创新入手，重点阐释人工智能如何支持教、如何支持学；实践论方面，以场景驱动为基础详细分析人工智能教育的培养目标和课程开发，同时详细剖析人机协同的双师模式、产学研合作协同育人新模式、自适应学 台、创客课程等人工智能教育实践场景；方法论方面，则从伦理角度进行规约，对人工智能教育应用

《机器人手册》（原书第2版） 卷机器人基础共分两篇：机器人学基础和机器人设计。第1篇机器人学基础主要介绍了用于机器人系统建模、设计和控制的基本原理和方法，包括运动学、动力学、机构与驱动、传感与估计、模型辨识、运动规划、运动控制、力控制、冗余度机器人、含有柔性单元的机器人、机器人体系架构与编程、基于行为的系统、机器人人工智能推理方法和机器人学习等主题，这些主题是后续章节内容的基础，并被拓展和应用于特定的机器人系统中。第2篇机器人设计主要介绍了与机器人实际物理模型的设计和建模相关的主题，既阐述了机器人设计与性能评价，又介绍了包括肢系统、并联机构、机器人手、蛇形机器人与连续体机器人、软体机器人的驱动器、模块化机器人、仿生机器人、轮式机器人、水下机器人、飞行机器人和微纳机器人等在实际物理

本书跟踪、分析了2020—2021年度 外人工智能发展情况，梳理总结了“十三五”上海人工智能产业的成果，展望了“十四五”期间上海人工智能产业的发展趋势。本书重点通过案例介绍的形式，将上海人工智能产业的发展情况从创新、产业、抗疫、场景等多个方面进行阐述，使读者 为全面地了解上海人工智能的产业布局及发展态势。

本书是对《Xilinx Zynq-7000嵌入式系统设计与实现：基于Arm Cortex-A9双核处理器和Vivado的设计方法（第二版）》一书的一次重要修订，全书共包含30章，主要内容包括Xilinx Zynq系列SoC设计导论、AMBA规范、Zynq-7000系统公共资源和特性、Zynq-7000调试和测试子系统、Cortex-A9处理器指令集、Cortex-A9片上存储器系统结构和功能、Zynq-7000 SoC的Vivado基本设计流程、Zynq-7000 GPIO原理和控制、Cortex-A0异常与中断原理和实现、Cortex-A9定时器原理及实现、Cortex-A9 DMA控制器原理和实现、Cortex-A9安全性扩展、Cortex-A9 NEON原理和实现、Zynq-7000的可编程逻辑资源、Zynq-7000的互联结构、Zynq-7000 SoC内 简单AXI-Lite IP、Zynq-7000 SoC内 复杂AXI Lite IP、Zynq-7000 AXI HP数据传输原理和实现、Zynq-7000 ACP数据传输原理和实现、Zynq-7000软件与硬件协同调试原理和实现、Zynq-7000 SoC启动与配置原理和实现、Linux开发环境的构建、Zynq-

本书以较简明的方式介绍人工智能算法在数值求解复杂系统中的基本方法及 进展。首先从人工智能与机器学习的基础算法开始讲解，包括 基础的反向传播神经网络模型和一些经典的机器学习算法的基础及其原理。然后从一阶常微分方程初值问题引入，分别介绍常微分方程、偏微分方程以及积分微分方程数值求解的经典算法。随后分别研究反向传播神经网络、极限学习机算法、 小二乘支持向量机算法以及深度学习算法如何用于数值求解复杂系统中的微分方程。相较于经典的基于迭代算法的微分方程数值计算方法，这些基于人工智能与深度学习的计算方法可以 加高效且 加准确地得到复杂系统的数值解。 本书适合高等院校数学与应用数学、信息与计算科学、计算机科学等专业的教师、高年级本科生与研究生等阅读参考，也可以为在工业生产中需要求解实际复杂系统

作者Hala Nelson并没有讨论高深的学术理论，而是以现实世界的应用和 进的模型为重点，介绍了在人工智能领域发展所需的数学知识。你将在专门的AI背景下探索回归、神经网络、卷积、优化、概率、马尔可夫过程、微分方程等主题。工程师、数据科学家、数学家、科学家将为在AI和数学领域取得成功打下坚实的基础。 你将能够：熟练运用AI、机器学习、数据科学和数学的语言；在数学结构下统一机器学习模型和自然语言模型；轻松处理图形和网络数据；探索真实数据，可视化空间变换，降低维度和处理图像；为不同的数据驱动项目选择合适的模型；探索AI的各种影响和局限性。

本书由前言、发布词、人工智能法治发展综述、人工智能法治发展指数 2.0、2020 中国人工智能法治发展评估报告、2020 世界人工智能法治论坛观点精粹、智慧法治学术影响力 00、分析报告、人工智能法治发展专家访谈、人工智能行业企业法治专题采访以及7个附录组成，汇集了当年度 外人工智能法治发展的战略、政策、法律、重大理论研究、实际应用项目、典型司法案例等方面的 资料，为促进人工智能法治理论研究，构建人工智能法治体系， 、规范、保障人工智能安全、可靠、可控、健康发展提供重要参考。

本书分为两大部分：di一部分主要基于Scikit-Learn，介绍机器学习的基础算法；第二部分则使用TensorFlow和Keras，介绍神经网络与深度学习。此外，附录部分的内容也 丰富，包括课后练习题解答、机器学习项目清单、SVM对偶问题、自动微分和特殊数据结构等。书中内容广博，覆盖了机器学习的各个领域，不仅介绍了传统的机器学习模型，包括支持向量机、决策树、随机森林和集成方法，还提供了使用Scikit-Learn进行机器学习的端到端训练示例。作者尤其对深度神经网络进行了深入的探讨，包括各种神经网络架构、强化学习，以及如何使用TensorFlow/Keras库来构建和训练神经网络。本书兼顾理论与实战，既适合在校学生，又适合有经验的工程师。

本书全面、系统汇集并研究了当前和未来在智能系统（包括人工智能）领域所应用的经典与非经典的智能数学方法，至今在 外尚未见有同类著作发表。本书的特点是：（1） 从三次数学危机的历史高度出发论证了智能科学、技术、工程的必然发展趋势与创新空间；（2） 以人工智能科学发展的三大学派——逻辑主义学派、联结主义学派、行为主义学派为线索，介绍与论证了相关的经典与非经典数学方法；（3） 紧密结合当前与未来人工智能的广泛而深入的应用，精选了十大学科（数理逻辑、集合论、概率论、数理统计、运筹学、图论、组合优化、模糊数学、神经网络、遗传算法）做了全面、系统、精要、启发式的论述与研讨。（4） 每章都结合所介绍的数学原理和方法，阐述了作者关于创新发展的思悟和建议。本书适合在智能系统（包括人工智能）领域工作的所有教

本书对所有主要的深度学习方法和**研究趋势进行了深入探索。全书分为上下两卷，五个部分。上卷包括两个部分： 部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。本书特别注重学术前沿，对包括胶囊网络在内的当前**成果进行了细致的讨论。全书构建了一套明晰的深度学习体系，同时各章内容相

本书基于 外新近相关文献，从人工智能的视角，围绕作为动态逻辑基础系统的命题动态逻辑及其扩展系统进行了研究。具体内容如下：第1章是导论；第2～5章是本书研究的基础；第6～8章阐释了正则命题动态逻辑的形式系统、可判定性、 性和计算复杂性；第9章探讨了非正则命题动态逻辑； 0章介绍了动态逻辑的一些变种； 1～17章是命题动态逻辑的扩展系统，这些系统分别使用了程序量词、互模拟和逻辑等值程序、Petri网、无缩并无切割规则的矢列演算、多类型显示演算、有穷多个命题变元，以及存储、恢复和并行合成算子对命题动态逻辑进行的扩展； 8章研究了从交流 新逻辑到命题动态逻辑的程序转换器。 本书适合现代逻辑、计算机科学、人工智能和系统工程等领域以及对命题动态逻辑及其扩展系统感兴趣的教师、研究生和科研人员阅读。

本书全面、系统汇集并研究了当前和未来在智能系统（包括人工智能）领域所应用的经典与非经典的智能数学方法，至今在 外尚未见有同类著作发表。本书的特点是：（1） 从三次数学危机的历史高度出发论证了智能科学、技术、工程的必然发展趋势与创新空间；（2） 以人工智能科学发展的三大学派——逻辑主义学派、联结主义学派、行为主义学派为线索，介绍与论证了相关的经典与非经典数学方法；（3） 紧密结合当前与未来人工智能的广泛而深入的应用，精选了十大学科（数理逻辑、集合论、概率论、数理统计、运筹学、图论、组合优化、模糊数学、神经网络、遗传算法）做了全面、系统、精要、启发式的论述与研讨。（4） 每章都结合所介绍的数学原理和方法，阐述了作者关于创新发展的思悟和建议。本书适合在智能系统（包括人工智能）领域工作的所有教

移动通信网络和计算技术、人工智能技术等的深度融合是新一代信息通信网络发展的重要趋势。本书回顾移动通信网络、计算技术和人工智能技术的发展历程，揭示移动通信与计算技术融合一体的行业趋势；然后分析通算一体典 型的应用场景、技术驱动力和商业驱动力；随后聚焦于通算一体的关键技术，从通算一体的核心要素和面临的技术挑战出发，分析通算一体网络的发展特征，提出通算一体网络系统框架，介绍通算一体在基础设施层、网络功能层和管理编排层3 个方向的关键技术； 后讨论通算一体技术和产品化的发展路径，分享典 型产品化方案和实践案例，并对未来发展进行展望。 本书适合移动通信网络和垂直行业的从业人员、高等院校相关专业师生及对通信技术感兴趣的读者阅读。

本书依托科技创新2030——“新一代人工智能”重大项目“人在回路的大电网调控混合增强智能基础理论”(2018AAA0101504)而撰写，介绍了基于人机混合智能的高动态系统调控理论方法、含新型人机智能接口的多源异构数据和知识处理关键技术，以及人机混合智能调控系统智能水平评估和自主进化理论方法与平台研发，并给出了混合智能在高动态系统中的管控机制、交互途径、趋优方法及部署架构；通过丰富案例展示理论技术的实现路径，构造人机混合智能在高动态系统调控中的系统工程方法和实施范式，为人机混合智能在高动态系统调控业务中的科学研究以及工程应用提供体系化指导。本书可作为企业、科研单位、高校等社会各界了解、学习、应用工业互联网前沿管控技术的重要参考书。

本书主要内容分为四部分：①人工智能算法基础；②数据基础与表征；③人工智能与药物设计；④程序代码。通过系统介绍人工智能算法，阐述不同算法的原理、应用场景和算法特点，为后续介绍人工智能与药物研发的交叉内容提供基础。全书以药物研发流程为脉络，针对每个人工智能算法融入的关键步骤，首先介绍药物设计基础原理与现存挑战，进而系统性回顾介绍人工智能算法在该研究方向上的进展情况，每部分都穿插介绍已有的交叉应用实例，以利于加深对图书内容的理解与灵活运用。提供原始的代码文件，为读者开展实践应用提供直接资料。