本書屬于人工智能與區(qū)塊鏈原理及應用方面的著作。主要包括區(qū)塊鏈與人工智概述，區(qū)塊鏈與下一代人工智能，區(qū)塊鏈的發(fā)展，區(qū)塊鏈體系架構，區(qū)塊鏈與人工智能數(shù)字經(jīng)濟發(fā)展，區(qū)塊鏈與人工智能技術的融合，人工智能技術發(fā)展的困境，密碼學與安全技術，基于區(qū)塊鏈架構的商業(yè)應用，區(qū)塊鏈與人工智能融合的行業(yè)應用，區(qū)塊鏈的未來發(fā)展等內(nèi)容。

本書共分8章，內(nèi)容涉及物聯(lián)網(wǎng)“端-管-云”全鏈路開發(fā)流程。第1章介紹物聯(lián)網(wǎng)發(fā)展趨勢、應用架構、典型應用和相關學術研究及前沿問題；第2、3章分別從硬件平臺和操作系統(tǒng)的角度介紹物聯(lián)網(wǎng)設備端開發(fā)；第4、5章分別介紹物聯(lián)網(wǎng)應用中常用的低功耗短距離協(xié)議及低功耗廣域網(wǎng)；第6、7章分別介紹主流的物聯(lián)網(wǎng)云平臺和物聯(lián)網(wǎng)云-端一體開發(fā)平臺

●本書首先介紹AI與AI安全的發(fā)展起源、世界主要經(jīng)濟體的AI發(fā)展戰(zhàn)略規(guī)劃，給出AI安全技術發(fā)展脈絡和框架，并從AI安全實戰(zhàn)出發(fā)，重點圍繞對抗樣本、數(shù)據(jù)投毒、模型后門等攻擊技術進行案例剖析和技術講解；然后對預訓練模型中的風險和防御、AI數(shù)據(jù)隱私竊取攻擊技術、AI應用失控的風險和防御進行詳細分析，并佐以實戰(zhàn)案例和數(shù)據(jù)；最后

本書主要論述信息融合技術及其應用，介紹不同技術的信息融合算法，包括基于稀疏/協(xié)作表示、高斯過程隱變量模型、多視角和多特征學習、貝葉斯模型、度量學習、權重分類器方法融合和深度學習等；講述這些融合方法在圖像分類、域自適應、人臉識別、疾病檢測和圖像檢索等領域的應用，并使用多個數(shù)據(jù)庫驗證了上述方法的有效性和優(yōu)越性。本書可供從事

《運籌優(yōu)化常用模型、算法及案例實戰(zhàn)》主要講述運籌優(yōu)化領域常用的數(shù)學模型、精確算法以及相應的代碼實現(xiàn)。首先簡要介紹基本理論，然后用豐富的配套案例講解多個經(jīng)典的精確算法框架，最后結合常用的優(yōu)化求解器（CPLEX和Gurobi）說明如何用Python和Java語言實現(xiàn)書中提到的所有精確算法。全書共分3部分。第I部分（第1~4

k-均值問題是經(jīng)典組合優(yōu)化問題,也是著名的NP-難問題之一,相應的Lloyd算法是數(shù)據(jù)挖掘的十大經(jīng)典算法之一.k-均值問題在人工智能、數(shù)據(jù)挖掘、理論計算機科學、運籌學和管理科學中有著廣泛的應用.本書介紹k-均值問題及其變形的基于隨機抽樣、降維、核心集、近似質(zhì)心集、局部搜索、線性規(guī)劃舍入等技術的近似算法.主要內(nèi)容包括:經(jīng)

人工智能領域一直以來堅信：只要人工智能系統(tǒng)能產(chǎn)生類似于人類的行為，它就是智能的。于是，我們看到了能夠打敗國際象棋guan軍的計算機棋手，能夠根據(jù)路況選擇行駛路線的無人駕駛汽車，能夠做手術的醫(yī)生……人們甚至開始擔憂：有朝一日，機器人會不會超越人類，進而奴役人類？ 在《新機器智能》一書中，科技界

理解TensorFlow模型模式和ML工作流中的最佳實踐。 使用代碼段作為構建TensorFlow模型和工作流的模板。 通過集成TensorFlowHub中的預建模型節(jié)省開發(fā)時間。 使用加速器集群（如GPU或TPU）充分利用分布式訓練。 對數(shù)據(jù)攝取、訓練模型、模型保存和推理做出明智的設計選擇。

研究張量，這是機器學習中最基本的結構。 通過一個真實示例完成數(shù)據(jù)與張量的來回轉(zhuǎn)換。 使用TensorFlow.js結合AI和Web。 使用資源轉(zhuǎn)換、訓練和管理機器學習數(shù)據(jù)。 從頭開始構建和訓練你自己的訓練模型。

本書針對深度學習及開源框架——PyTorch，采用簡明的語言進行知識的講解，注重實戰(zhàn)。全書分為4篇，共19章。深度學習基礎篇（第1章~第6章）包括PyTorch簡介與安裝、機器學習基礎與線性回歸、張量與數(shù)據(jù)類型、分類問題與多層感知器、多層感知器模型與模型訓練、梯度下降法、反向傳播算法與內(nèi)置優(yōu)化器。計算機視覺篇（第7章~