全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括“深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。

全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括“深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。

荒木雅弘（作者） 1964年出生于日本大阪。1993年完成 了日本京都大学研究生院研究科信息工程专业博士课程的学习。先后担任过京都大学工学部助教和京都大学综合信息媒体中心讲师。1999年开始担任日本京都工艺纤维大学工艺系助理教授，2007年晋升为研究生院工艺科学研究科副教授。目前正在开发以语义网为知识库的对话系统，研究用于多模态对话系统的描述语言。 陈舒扬（译者） 软件开发工程师，任职于某日企，从事软件开发工作。热爱编程和游戏，崇尚开源精神，对机器学习领域的东西都很着迷。 杨文刚（译者） 长期从事软件开发和系统运维工作。现任职于某世界五百强企业，探索数字化转型业务，内容涉及大数据、机器学习、深度学习等技术。

荒木雅弘（作者） 1964年出生于日本大阪。1993年完成 了日本京都大学研究生院研究科信息工程专业博士课程的学习。先后担任过京都大学工学部助教和京都大学综合信息媒体中心讲师。1999年开始担任日本京都工艺纤维大学工艺系助理教授，2007年晋升为研究生院工艺科学研究科副教授。目前正在开发以语义网为知识库的对话系统，研究用于多模态对话系统的描述语言。 陈舒扬（译者） 软件开发工程师，任职于某日企，从事软件开发工作。热爱编程和游戏，崇尚开源精神，对机器学习领域的东西都很着迷。 杨文刚（译者） 长期从事软件开发和系统运维工作。现任职于某世界五百强企业，探索数字化转型业务，内容涉及大数据、机器学习、深度学习等技术。

刚刚过去的十年是语音技术发展的黄金十年。2010年前后，从谷歌公司发布第一个语音搜索应用、苹果公司发布第一个语音助手Siri开始，语音技术的发展转瞬进入了快车道。语音技术的基础算法不断推陈出新，语音任务Benchmark持续被刷新；语音产品的应用也从一开始很小众的语音输入，逐渐渗透到人们生活的方方面面。语音产业飞速发展，传统的语音技术教材已经满足不了该领域从业者的迫切需求。本书以目前流行的开源语音识别工具Kaldi为切入点，深入浅出地讲解了语音识别前沿的技术及它们的实践应用。本书的作者们拥有深厚的学术积累及丰富的工业界实战经验。本书适合语音技术相关研究人员及互联网从业人员学习参考。

本书是"人工智能出版工程”系列图书之一。模式识别是人工智能的重要组成部分，本书简要介绍了模式识别的基本概念，以模式表示为切入点，针对近20年来模式识别领域研究的热点问题，系统阐述了线性子空间表示、非线性子空间表示、流形学习、稀疏表示、低秩模型、深度学习等方面的研究进展和相关代表性方法。 本书可供高等院校人工智能、智能科学与技术、计算机及相关专业研究生或高年级本科生阅读，也可供对模式识别感兴趣的研究人员和工程技术人员阅读和参考。

本书是"人工智能出版工程”系列图书之一。模式识别是人工智能的重要组成部分，本书简要介绍了模式识别的基本概念，以模式表示为切入点，针对近20年来模式识别领域研究的热点问题，系统阐述了线性子空间表示、非线性子空间表示、流形学习、稀疏表示、低秩模型、深度学习等方面的研究进展和相关代表性方法。 本书可供高等院校人工智能、智能科学与技术、计算机及相关专业研究生或高年级本科生阅读，也可供对模式识别感兴趣的研究人员和工程技术人员阅读和参考。

青少年人工智能编程水平测试涵盖从数学逻辑到计算思维、从拖曳程序模块到程序编写、从数学建模到算法设计等多学科知识，能够对学生的多学科知识综合运用能力做出评价；能够通过设计的具体解决方案，对学生的计算思维、创造性思维等能力做出评价；在具体的解决方案中，能够通过设计算法模型和实现算法，对学生掌握和运用编程的能力做出评价。 本书结合生活中的实例，系统地介绍了不同进制之间的转换、函数参数的作用域、枚举算法、二分查找算法、选择排序算法、欧几里得算法等内容。通过分析和解决问题，培养青少年的逻辑思维能力。由知识内容的学习到具体案例的探究，由简单到复杂、由直观到抽象，帮助学生从编程意识、编程思维、编程学习与创新3个层面进行学习，掌握 C++ 编程语言。 本书内容丰富、层次清晰、图文并茂，既可作为青少年人工智能编程水平测试 5 级（C++）的辅导用书，也可作为校内、校外编程与人工智能相关课程的教材或参考书（适合两学期教学）。

实用语音识别基础，ISBN：9787118037463，作者：王炳锡等著

我们的信念构成了我们对世界的认识的很大一部分。作者尼尔斯·尼尔森通过《理解信念（人工智能的科学理解）（精）》带我们一起检查信念，了解信念为我们做什么，我们是如何持有信念的，以及如何评价信念。作者指出，应该仔细评价我们的信念，因为它们影响着我们如此多的行动和决定。我们所持有的信念可通过概率量化，并通过信念网络影响其他信念的概率。故此，我们可以通过调整科学方法的一些做法，并通过咨询专家的意见，来重新评价我们的信念。