本书为高等学校人工智能通识教育课程教材。人工智能通识教育是适配AI时代人才培养的重要课题，本书紧扣人工智能发展趋势和国家战略导向，围绕人工智能通识教育的完整知识链路展开，从人工智能概述切入，逐步夯实计算和算力、数据表示等底层基础，然后通过人工智能编程基础掌握实践工具，通过机器学习理解智能模型的核心原理，最终聚焦计算机视

本书开篇讲解HermesRuntime整体架构、任务调度、工具调用机制，并带领读者完成基础环境搭建与首个Agent运行；随后依次深入拆解Tool工具系统、Agent执行循环、Prompt组装与上下文管理、分层长期记忆、向量检索RAG、Skill技能体系等核心组件，详解各模块的工作原理、配置规则与开发方法；接着讲解子Ag

全书分为四大板块。第一部分从手机自带语音助手、主流AIAPP的基础操作讲起，帮助读者快速迈出入门第一步；第二部分覆盖健康咨询、生活妙招、社交沟通等高频日常场景，讲解如何用AI解决实际生活难题；第三部分介绍AI写作、唱歌、绘画、短视频制作等创意玩法，丰富退休精神生活；第四部分聚焦AI时代的网络安全防骗知识与持续学习方法，

全书共12章，分五部分，依次覆盖大模型学习推理认知、RL基础与大模型适配、大模型RL核心训练、分布式/多智能体与世界模型进阶，以及RLHF/DPO等落地方法与CoT/ToT推理增强。第一部分搭建大模型学习与推理的整体认知框架，第二部分夯实强化学习基础并解析与大模型的适配逻辑，第三部分聚焦核心算法与大模型的深度结合，第四

本书首先讨论每一种技术，并提供介绍性材料，为读者提供正在培养和开发这种“三合体的力量”实施标准的参与者(例如，谷歌、以太坊、IBM、微软、亚马逊等)的详细信息。本书不仅会讨论技术方面的要求，还会讨论新兴法规、安全和隐私法对商业与法律合规性的要求。本书将引导读者完成创建示例应用程序和代码所需的步骤，这将促进、支持和加速读

本书共分10章，全面介绍了无人系统自主控制的体系结构、环境理解、导航定位、决策规划、避障控制、多平台协同、无人集群、人机协同、自主学习等关键核心技术，反映了无人系统自主控制技术的新发展和新成果。

<pre>本书为普通高等院校人工智能通识教育系列教材之一，内容包括13个模块：人工智能概论、机器学习、神经网络、专家系统、智能机器人、数据挖掘、群体智能、计算机视觉、大数据与人工智能、大模型、智能体、AI的视听应用、AI的挑战与未来。每个章节内容都包含模块导读、学习目标、思维导图、学习任务、思想引领和任务实践六个部分。

<pre>本书以文本挖掘和机器学习作为基本的技术方法, 从 “用户—项目—情境” 关系的不同展开维度来发展和构建情境感知推荐方法, 关注情境感知推荐系统中相关情境的识别问题, 选取多个领域的中文语料和数据集开展计算机实验。 本书研究成果可以为信息推荐、信息检索及中文信息处理等相关领域的研究和实践提供参考。</pre>

本书系统呈现了情绪识别技术在脑电、外周生理信号与面部图像等多模态领域的发展脉络，重点面向跨设备、多认知变量、隐性情绪等条件下的情绪识别难题，突破了跨设备干湿脑电特征迁移、操控状态负性情绪脑电特征解耦，以及微表情与多生理信号融合的隐藏情绪识别等关键技术，为情绪识别技术从实验室走向更真实、更复杂的人机交互应用场景提供了理论

本书系统讲解了AISkill的原理、设计与实战，从SKILL.md结构到MCP、Sub-agent协作，再到OpenClaw的调度机制。通过记账助手、AI早报、知识库、办公自动化、小红书运营等完整案例，带读者零代码构建可复用的AI能力系统。本书内容讲解由浅入深，适合零门槛上手，聚焦真实任务；覆盖从需求分析、触发器设计到

<pre>全书共设六大模块、十六个项目，以”从了解到入门、从使用到创建、从手动到自动、从无代码到低代码、从学习到创业、从通用到专用”六步递进为主线，系统覆盖AI智能体基础认知、轻量级智能体开发、自动化工作流、代码框架开发(LangChain)、OpenClaw与OPC创业、行业应用实战等核心内容。</pre>

<pre>本书是关于智能信息处理模型及其应用的专著，着重介绍作者提出的人工脑深度信息处理模型。主要内容包括：人工脑模式识别的紧密包裹学习模型，人工脑深度神经网络信息处理模型(深度学习卷积神经网络轻量化模型、基于生成对抗网络的水下图像增强模型、基于多视角的3D物体识别模型)，人工脑开集识别深度神经网络模型(基于负类样本特

本书内容范围包括：智能优化算法，人工神经网络，深度学习，强化学习，迁移学习，联邦学习，推荐系统，知识图谱。本书知识结构包含传统的智能优化算法原理和应用，人工神经网络原理和应用，深度学习中卷积神经网络的典型结构和实现，强化学习经典算法原理和应用，迁移学习经典算法原理和实现，以及深度学习高阶应用：推荐系统和知识图谱。

<pre>本书以“震撼驱动行动”为核心设计理念，通过11章实战项目，引导读者从AI零基础操作者逐步成长为AI系统指挥官。全书分为四篇：第一篇“第一次改写工作方式”(第1-3章)，通过竞品分析、数据分析、个人AI配置三个项目，让读者在3小时内体验AI带来的效率质变；第二篇“把工作结成流水线”(第4-6章)，打通会议处理、

本书共8章，依次梳理学科基础内容与前沿研究内容，先介绍整体基础概述、最优化基础理论，分别讲解无约束优化、约束优化两类核心优化问题，再深入阐释神经网络优化相关内容，结合循环神经网络与视觉Transformer，探究神经网络在序列建模、视觉两大任务中的实际应用，同时针对小样本场景，讲解依托单图像、单场景内部结构建模、提升计

全书共分7章，主要内容包括：Lur’e系统与切换时滞问题的理论定位；Lur’e系统稳定性分析的基础理论框架；线性切换Lur’e时滞系统的绝对稳定性判据；非线性切换Lur’e时滞系统的MDADT稳定化方法；含不稳定子系统的切换Lur’e时滞系统的容错稳定性；切换变时滞Lur’e系统的时滞自适应稳定化；基于MDADT的多变

<pre>本书为高职院校电子信息大类、人工智能等专业的课程教材，以“应用导向、问题驱动”为核心理念，系统整合了线性代数、微积分、复数与向量、傅里叶分析、概率统计、数值计算与信息论等内容，并将其与电子信息工程、人工智能领域的典型问题深度融合。教材强调“工具赋能”，将Python编程贯穿始终，通过NumPy、Matplot

<pre>本书共15章，主要包括AI训练师基础、数据标注的概念与方法、数据标注的工具与操作、数据整理与预处理的方法、AI算法与神经网络、AI模型训练与优化、AI文案模型训练、AIStudio模型训练平台、AI语言模型训练、AI绘画模型训练、AI语音模型训练、AI训练在交通智驾中的应用、AI训练在医疗法律中的应用、AI训

全书共10章，主要包括计算机视觉的基本概念、基本原理；深度学习的基本知识和基本原理；卷积神经网络的基本知识和基本方法；迁移学习的相关知识；图像分类的基本知识和主流算法模型；目标检测的基本原理和主流算法模型；图像分割的基本知识。同时，还介绍了生成式模型，如生成对抗网络、扩散模型等。为帮助读者充分了解和掌握基础理论知识，第

本书系统探讨了现代人工智能技术的核心理论、前沿进展及其在多领域的应用实践。内容涵盖机器学习、深度学习、自然语言处理及计算机视觉等关键技术，深入剖析了神经网络、强化学习等算法的原理与优化策略。