本书全面梳理了各个学科与智能研究相关的成果，在此基础上归纳了一般智能的构成要素，形成了生物智能和非生物智能统一的智能理论体系。系统分析了智能的进化、发展、使用和评价，提出了语义逻辑的主要准则和不同于冯?诺伊曼体系的智能计算架构。并且为构建本书所述非生物智能体或人工智能学界讨论的通用人工智能提出了一条可实现的路径。本书适合对智能和人工智能感兴趣的学生、学者和实践工作者阅读。

本书从空间信息处理角度出发，将人工智能领域的理论研究与专业实践相结合，完整介绍人工智能方法及其在空间信息处理中的应用，不仅涵盖人工智能领域的基础概念与基本方法，而且探讨知识图谱、计算智能、新兴机器学习、深度学习等前沿技术，同时介绍人工智能在地理文本大数据、遥感影像、激光点云等空间信息处理中的应用实例，具有较强的代表性和启发性。 本书可以作为高等院校空间信息与数字技术、遥感科学与技术等专业高年级本科生和研究生学习人工智能技术的教材，也可供计算机、电子信息、自动控制、地球测绘等领域从事空间信息智能处理工作的科技人员学习和参考。

本书重点梳理人工智能基础理论知识体系,突出基础性、全面性、前沿性和实践性 特点,以机器学习和优化方法基本原理为主线,结合典型工程应用循序渐进地为读者 构建从“0”到“1”的知识体系,指引读者快速掌握应用系统开发和环境应用。 针对传统 人工智能教材缺乏数学原理与模型代码即刻印证的问题,本书给出人工智能基础理论 深入浅出的描述,选用精简的案例呈现模型代码,带领读者轻松、快速掌握人工智能的 核心思想。 本书每章最后配有一定量的课后作业,可以作为机电类本科生、研究生入门级教 材和教学参考书,同时也可供工程技术人员和对人工智能感兴趣的读者参考。

本书旨在帮助读者从零开始学习人工智能，掌握人工智能的原理、技术和应用。 本书共10章，首先是人工智能概述，接着深入浅出地讲解人工智能的原理和技术，包括数据预处理、数据可视化、机器学习基础、监督学习模型、无监督学习算法、神经网络基础、训练深度神经网络等内容，最后讲解人工智能的应用，包括智能对话和知识图谱。 本书适合想要学习并掌握人工智能技术和应用的零基础读者阅读，还可以作为高等院校人工智能相关课程的教材或辅导书。

本书旨在帮助读者从零开始学习人工智能，掌握人工智能的原理、技术和应用。 本书共10章，首先是人工智能概述，接着深入浅出地讲解人工智能的原理和技术，包括数据预处理、数据可视化、机器学习基础、监督学习模型、无监督学习算法、神经网络基础、训练深度神经网络等内容，最后讲解人工智能的应用，包括智能对话和知识图谱。 本书适合想要学习并掌握人工智能技术和应用的零基础读者阅读，还可以作为高等院校人工智能相关课程的教材或辅导书。

本书以群体智能与智能网联的应用为牵引，通过原理、算法、技术应用三个篇章为大家介绍群体智能与智能网联相关的基础理论、概念模型、关键技术和前沿应用。具体而言，原理篇会介绍群体智能的通信方式与组网、知识表征、因果涌现机理等内容；算法篇则从多主体强化学习、多智能体合作式梯度更新方法、图神经网络、蚁群算法等群体智能领域的代表性算法；应用篇则讨论6G与内生智能、车联网与自动驾驶、工业控制网络群体智能技术的应用。

本书一共有3个部分，第1部分介绍了智能制造的现状与趋势，罗列了智能制造的技术和发展瓶颈，而且还盘点了智能工厂的案例；第2部分重点讲述智能制造与工业流程，例如，产品智能化、管理智能化、营销智能化等等；第3部分从各大领域入手，深刻探讨智能制造的开发落地。 本书完全站在读者的角度，从实际操作层面出发，全面阐述与智能制造有关的理论、方法、技巧、案例。可以说，本书是一本不可多得的实战书，不仅具备很强的可操作性，还具备了一定的前沿性，是AI时代的必备工具。

本书主要围绕微服务架构实现智能服务适配、开发复杂服务软件系统的技术路线，系统阐述智能微服务软件架构、开发与运维技术、主要支撑工具、典型应用案例等。

本书分为4大部分。第一部分（第1~3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。第三部分（第7~9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。第四部分（第10~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。

本书分为4大部分。第一部分（第1~3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。第三部分（第7~9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。第四部分（第10~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。