本书本着培养高职学生的人工智能基本素养、人工智能思维和人工智能应用实践能力的目标，内容选取符合高职学生的特点，强调人工智能的通识性、典型性和实用性，具有可操作性。本书选取了涵盖人工智能领域的多个典型案例，采用项目化模式构建教学案例，突出实践。每个案例由循序渐进的递进式任务组成，支持课堂分层次教学实施。全书共分7章，主要

本书重点分析非线性时滞系统的迭代学习控制方案设计及其稳定性分析问题。内容包括：不确定时变参数化非线性时滞系统迭代学习控制、非参数化非线性时滞系统迭代学习控制、控制方向未知的非线性时滞系统迭代学习控制、基于观测器的非线性时滞系统迭代学习控制、机械臂系统自适应迭代学习控制等。

本书从图划分的视角系统介绍基于图论的机器学习方法，包括机器学习中的三类基本学习问题：无监督、半监督和监督学习问题，同时考虑协同正则化、多重正则化和路径传播对基于图论的学习方法进行了拓展。通过大量的实验验证，本书提供的方法合理有效，算法效率显著提高。

本书主要利用鲁棒控制理论和随机系统理论研究了噪声环境下多智能体系统的协同控制问题。具体包括噪声环境下异构多智能体系统的一致性，持续干扰下多智能体系统的一致性，噪声环境下多智能体系统的旋转运动和对抗编队控制，最后简要介绍了噪声环境下分数阶多智能体系统的一致性。

本书全面详尽地介绍了人工智能从诞生开始以来将如何塑造我们的世界和社会。通过色彩丰富、有趣的插图，和通读易懂的文字，生动地介绍了人工智能的方方面面。清晰地介绍了人工智能的起源、历史、应用情况、技术局限和未来展望，并通过一些简单、实用的科普知识，以生活场景作为切入点，以真实发生的事例作为例证，介绍了“图灵测试”“中国房间”

本书以工作场景和具体任务来驱动，包括53个场景展示、85项任务模拟、237次提问示范，让完全不懂技术的小白，也能成为ChatGPT工具使用方面的行家。

本书是一本全面介绍机器学习方法特别是算法的新书,适合初学者和有一定基础的读者。机器学习可以分成三大类别,监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后

本书围绕应用环境中实际问题的求解过程来阐述和讲解程序设计思想方法和相关技术知识,向学生展示如何设计和选择合适的数据结构来表示实际问题中的处理对象,如何把一个实际问题转化成一个程序可计算的逻辑模型,以及如何考虑程序运行的效率来满足问题求解对时间的要求等。

本书包括引言、基础知识、基于知识的系统、高级专题、现在和未来以及安全与编程六部分内容。从人工智能的定义讲起,详细讲述人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识;介绍并探究了人工智能领域的成功案例,也介绍了机器学习、深度学习以及受到自然启发的搜索算法等;介绍了自然语言处

本书针对高等学校人工智能本科生专业人才培养的专业内涵、定位和知识体系,设置了数学与统计、科学与工程、计算机科学与工程核心、人工智能核心、认知与神经科学、先进机器人技术、人工智能与社会、人工智能工具与平台等专业课程群,重点介绍了八大课程群中各课程的概况和知识点,为培养具有科学家素养的工程师奠定知识和能力的基础。