作者对计算机的运算和人脑思维的过程进行了比较研究,具有高度的前瞻性,为机器人研究指明了方向。《计算机与人脑》形象生动,图文并茂,对广大青少年科技创新思维具有极大启发作用.该书被誉为20世纪的天才之作。
在人工智能的热潮中，也许我们一直过度关注技术的工具性，而忽视了技术的生存性。技术作为一种人类改变世界和分析世界的方法，也逐渐影响着人类对自我的认知。通过统计数据、数字模拟，人类增加了对世界的了解和控制，同时也增加了对技术的怀疑和不确定。特朗普的竞选团队曾充分利用人类对数据的怀疑进行公关。真实和虚构的分界在逐渐溶解。这一点在深伪技术中得到最好的体现。真实的数据被窃取，并用于捏造数字空间中的假象，用户开始相信假象。如果我们不立刻开始反思数字虚拟中蕴含的本质性权力，后果将是灾难性的。
本书的作者约翰 冯 诺伊曼（John von Neumann，1903 1957）是20世纪重要的数学家之一，被后人称为 计算机之父 和 博弈论之父 。 本书是诺依曼在1955 1956年为西里曼讲座而准备的未完成讲稿，是作者对过去十几年在计算机领域所做研究的一个总结性梳理。诺依曼在书中首先概述了模拟计算机和数字计算机的一些基本设计思想和理论基础，然后从数学的角度，主要是逻辑和统计数学的角度，探讨了人脑的神经系统的控制和逻辑结构，对计算机的数学运算和人脑思维的过程进行了比较研究。 本书是计算机和人工智能领域的一篇重要的原始文献，具有高度的前瞻性，为计算机的创新与发展以及机器人的研究指明了方向。
本书先从概率论的基础讲起，然后逐步深入到概率论在机器学习中的应用，最后结合机器学习实战案例，重点介绍了概率论的概念及其在机器学习中的应用。通过本书读者不但可以系统地学习常见概率的相关知识，还能对机器学习开发有更为深入的理解。 本书共10章，涵盖的主要内容：机器学习简介；为什么机器学习需要概率论；概率的定义；集合和事件；独立性；概率的性质；常见的计算概率方法；离散型和连续型概率简介；离散型和连续型概率的期望值、方差和标准差；几种常见的离散型和连续型概率分布；条件概率；联合概率；边缘概率；贝叶斯理论；随机过程简介；马尔可夫链；隐马尔克夫模型；高斯过程；常见的机器学习Python库；机器学习分类算法和回归算法简介；概率论在分类算法和回归算法中的应用；常见的分类算法和回归算法；强化学习简介；有
未来赢家是那些利用机器的力量获得优势的人。工作场所的主导是人还是机器？ 在自动化这场游戏中，机器是助人完成任务，还是取代人类岗位？ 我们将如何以共生方式与机器一起工作？ 世界公司又是如何在这种非常特殊的关系中蓬勃发展的？ 《共生：4.0时代的人机关系》使用不同的全球化组织的案例，探讨了机构、公司、个人和教育提供者将如何在发展变化过程中与新技术无缝集成，为智能自动化、人工智能和机器人技术驱动的未来描绘了图景。
《未来可期：与人工智能同行》是一部探讨人工智能的现在和未来，以及人工智能时代的种种难题的作品集。 在ChatGPT横空出世的今天，我们只有了解人工智能，跟上它的脚步，才能不被时代淘汰。家用智能器、数字疗法、具身智能、元宇宙、虚拟人、数字分身 越来越多的新概念已经或即将涌入我们的生活，并切实影响衣食住行的方方面面。作者在书中不仅分析了当前的人工智能发展，更预测在不远的将来，人工智能如何一步步走进和改变我们的生活，如何给我们带来前所未有的便利，又如何给我们带来纷繁复杂的困扰。 人工智能的发展与人类自身的发展是一体两面的关系。作者真正想要预测的并不是人工智能技术会发展成什么样，而是人类会通过人工智能技术发展成什么样。
《MATLAB智能算法30个案例分析（第2版）》是作者多年从事算法研究的经验总结.书中所有案例均应国内各大MATLAB技术论坛网友的切身需求而精心设计,其中不少案例所涉及的内容和求解方法在国内现已出版的 MATLAB书籍中鲜有介绍. 《MATLAB智能算法30个案例分析（第2版）》采用案例形式,以智能算法为主线,讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等Z常用的智能算法的MATLAB实现.本书共给出３０个案例,每个案例都是一个使用智能算法解决问题的具体实例,所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成,并配有完整的程序源码和讲解视频,使读者在掌握算法的同时,也可以学习到作者们多年积累的编程经验与技巧,从而快速提高使用算法求解实际问题的能力. 《MATLAB智能算法30个案例分析
本书系统介绍基于新闻语料的俄语连续语音识别方法。全书共分以下几个部分：基于Kaldi设计实现俄语连续语音识别原型系统，使之具备在线识别和离线识别功能，以验证声学模型和语言模型优化算法的有效性，进而为面向特定领域的俄语语音识别实用系统研发提供理论方法、实验数据和关键技术支撑。为了实现上述目标，需要进行如下环环紧扣的操作步骤：俄语语音语料的采集加工处理、俄语文本语料的采集清洗过滤、俄语发音词典的自动预测生成、声学模型建模基本单元（音素集）的确定、声学模型和语言模型的优化等。
本书探究交替方向乘子法在图像处理中的应用,选取了运动模糊图像复原和遥感图像融合两个领域来作细致研究。通过 MATLAB进行仿真实验,利用交替方向乘子法高效求解复杂的凸优化问题,研究遮挡人脸识别的鲁棒性算法,以及人脸图像的类内变化和类间变化与鲁棒性算法的关系。同时,本书还探索高效的分布式优化求解方法。将分布式计算框 CoCoA 应用于机器学习和信号处理的各种问题。 本书适合作用从事机器学习研究的科技工作者、专业技术人员、研究生及高年级本科生的参考书。
人工智能时代正悄悄向我们走来，人工智能技术的迅速发展，给人们带来各种便利的同时，也带来了风险，其中的刑事风险包括可能使得部分传统犯罪的危害性发生量变，可能会导致新的犯罪形式产生，以及人工智能产品可能因为种种原因脱离人类控制，进而实施严重危害社会的犯罪行为。本书即针对人工智能时代刑法所面临的各种问题进行回应，如人工智能时代智能机器人的刑事责任能力、人工智能产品的设计者和使用者的注意义务即刑事责任风险，针对人工智能产品具体罪名的设置、针对人工智能产品的刑罚种类等问题。
这本书探讨了机器人技术的设计、制造和使用如何影响今天的法律制度，尤其是在刑法、合同法和侵权法领域的责任和代理问题。通过区分机器人作为人类互动工具的行为和机器人作为法律领域的适当代理人，法学家们将不得不解决新一代的 难题 。一般的分歧可能涉及刑法上的豁免(例如在战斗中雇佣机器人士兵)，合同中某些机器人的个人责任(例如，机器人交易员)，以及严格责任条款和基于非契约责任的条款(例如侵权法中的服务机器人)。既然机器人将继续存在，法律的目标应该是明智地管理我们和机器人之间的关系。
随着机器学习算法的普及，开发和优化这些算法的新工具也得到了发展。本书首先介绍了scikit-learn包，学习如何使用scikit-learn语法；学习监督模型和无监督模型之间的差异，以及为每个数据集选择适当算法的重要性；学习将无监督聚类算法应用到真实的数据集中，发现其中的规律，并在探索中解决无监督机器学习问题。其次，本书重点研究监督学习算法，学习如何使用scikit-learn包实现不同的监督算法以及如何开发神经网络架构；还将了解如何采用合乎逻辑的结果分析，并通过调节超参数来改善算法的性能。 本书理论讲解与练习实例相结合，并通过大量的活动指导读者进行真实数据集的模拟训练。学完本书将知道如何描述监督模型和无监督模型之间的差异，以及如何将一些流行的算法应用于现实生活中的数据集中，将获得诸多技能并有信心编写机器学习算法。 本
本书从人工智能的概念、发展历史、主要技术理论及应用等方面，全面讲解了人工智能的相关知识。全书分八章，分别介绍了人工智能的概念及相关术语、人工智能发展史、传统人工智能与智能计算、人工智能与机器学习、人工智能与大数据、人工智能的典型应用、世界主要国家及科技公司的脑计划项目、人工智能的未来发展。其中，人工智能与机器学习部分，具体介绍了当前主流的人工智能算法；人工智能的典型应用部分，介绍了专家系统、图形图像处理、语音处理、自然语言理解、智能推荐、智能博弈、自动驾驶、虚拟现实和增强现实、智能家居等具体应用。*后一章预测了人工智能的发展方向，以及需要解决的法律、伦理等方面的问题。全书专业性和普及性并重，多采用案例分析和类比的手法，帮助读者对人工智能有初步但全面的了解。
本书采用全彩图解的形式，通过丰富有趣的制作案例，介绍了利用光环板和慧编程进行人工智能和物联网开发的思路及技巧。 本书首先，通过设计红绿灯、跑马灯等，感受12颗LED灯组成的光环闪动的魅力。然后，使用板载的各类传感器与LED灯交互，并通过编程控制光环板，体验人机交互的快乐。接着，利用云广播实现慧编程与光环板互联，并利用慧编程玩转人工智能。*后，通过案例学习，从Scratch无缝进阶Python或Arduino。每个章节具有一定的连续性，使知识和技能的学习螺旋式上升。 本书以STEAM教育为理念，在玩中学，在做中学，每个实例都按照 做-试-创 的思路设计，循序渐进。本书适合中小学生及教师、电子爱好者等开展创客教育活动使用，也可以用作相关培训结构的教材及参考书。
Spark作为新兴的、应用范围广泛的大数据处理开源框架，吸引了大量的大数据分析与挖掘从业人员进行相关内容的学习与开发，其中ML是Spark 3.0机器学习框架使用的核心。本书用于Spark 3.0 ML大数据分析与挖掘入门，配套示例源码、PPT课件、数据集、思维导图、开发环境和作者答疑服务。 本书共分13章，从Spark 3.0大数据分析概述、基础安装和配置开始，依次介绍ML的DataFrame、ML的基本概念，以及协同过滤、线性回归、分类、决策树与随机森林、聚类、关联规则、数据降维、特征提取和转换等数据处理方法；后通过经典的鸢尾花分析实例，回顾前面的学习内容，实现了一个完整的数据分析与挖掘过程。 本书采取实例和理论相结合的方式，讲解细致直观，示例丰富，适合Spark 3.0机器学习初学者、大数据分析和挖掘人员，也适合高等院校和培训机构人工智能与大数据相关专业
