本书首先简要介绍流行的TensorFlow库，并讲解如何用它训练不同的神经网络。你将深入了解神经网络的基础知识和它背后的数学原理，以及为什么我们会选择TensorFlow训练神经网络。然后，你将实现一个简单的前馈神经网络。接下来，你将使用TensorFlow掌握神经网络的优化技术和算法，以及一些更复杂的神经网络的实现。

深度学习，特别是深度卷积神经网络是人工智能的重要分支领域，卷积神经网络技术也被广泛应用于各种现实场景，在许多问题上都取得了超越人类智能的结果。本书作为该领域的入门书籍，在内容上涵盖深度卷积神经网络的基础知识和实践应用两大方面。全书共14章，分为三个部分：第一部分为绪论；第二部分（第1～4章）介绍卷积神经网络的基础知识、

本书主要介绍Caffe的技术原理和一些高级使用技巧，首先介绍深度学习的趋势和业内动态，然后介绍Caffe的基础知识。在理解了Caffe算法的基础上，介绍Caffe的技术原理和特点，包括数学知识和设计知识。*后介绍Caffe深度学习多任务网络。本书将实践和现有系统进行无缝对接，并详述了各种调参技巧。

本书结合两个重要和流行的研究领域：复杂网络和机器学习，不仅包括基础背景知识，还包含近期*新的研究进展。书中包括大量插图和例题帮助读者理解主要思想和实现细节。

本书探索如何将机器学习应用于各种安全问题(如入侵检测、恶意软件分类和网络分析)。机器学习和安全专家克拉伦斯·奇奥与大卫·弗里曼为讨论这两个领域之间的联姻提供了框架，另外还包括一个机器学习算法工具箱，你可以将其应用于一系列安全问题。

粒子群优化算法是一种新的模仿鸟类群体行为的智能优化算法，是群体智能优化算法的一个重要分支，已成为国际上仿生智能计算领域里的研究热点和重点之一。本书共6章，分别论述了优化问题和仿生智能计算、模仿鸟群觅食行为的粒子群优化算法、形式多样的粒子群优化算法、无速度项的粒子群优化算法、分布估计粒子群优化算法和粒子群优化算法的应用等

迎来“深度学习”这项重大技术突破后，人工智能已经从发明的年代步入了实干的年代。 现在已是未来，我们所处的时代，已经与过去完全不同。面对已经来临的、机遇与挑战并存的人工智能时代，我们必须要了解人工智能，跟上人工智能发展的脚步，这样才能不被时代淘汰。 目前全球人工智能发展的情况是

作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。 本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。*部分从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、图灵测试

加里.卡斯帕罗夫在1997年对战IBM公司的超级计算机深蓝是科技史上的一个分水岭。这是人工智能时代的一个新纪元:在这场*激烈的比赛中，首次出现了能够击败国际象棋世界冠军的机器。那一刻是人类-一个多世纪以来孜孜以求、勇攀科技高峰的结晶。在这本突破性的书中，卡斯帕罗夫第次揭示了他惊人的一面，描述了他在面对*为强大的对手时的

本书深入介绍了人工智能六十余年发展里程中出现的重要历史事件、理论学说和所取得的激动人心的成果；也从科普的角度，尽可能以不依赖数学等专业知识的方式去介绍这些成果背后的理论与算法。读者可以通过本书对人工智能学科发展里程的解析体会到人工智能的创造者和推动者们所希望的智能理论和产品是如何工作的。无论是与人工智能产业相关的研发人