让研习AI变得简单（一）：人工智能12本经典教材推荐

01.《简明人工智能》

作者：焦李成、刘若辰、慕彩红、刘芳

西安电子科技大学出版社(2019)

内容简介：

本书以简明的方式系统地论述了人工智能的基础知识及其拓展和应用。全书共十六章，前十章介绍人工智能学科的基础知识，包括人工智能的发展历史、知识的表示、搜索策略、确定性推理、不确定推理、专家系统、神经网络、智能计算、机器学习和模式识别；接下来五章进行了拓展，讲述了表示学习和混合智能系统，又介绍了神经网络在模式识别和图像处理的应用、自然计算在聚类上的应用，并介绍了多目标优化算法及应用；最后一章介绍了人工智能领域的前沿技术及其展望。每章都附有参考文献、延伸阅读和习题，并且有习题答案供参考。

本书可作为高等院校智能科学与技术、计算机科学、电子科学与技术、信息科学、控制科学与工程、模式识别与人工智能等专业的本科生及研究生的教材，同时可为相关领域的研究人员提供参考，也可为对计算智能和神经网络及其应用感兴趣的工程技术人员提供参考。

目录：

第1章 人工智能简史

第2章 知识表示

第3章 搜索策略

第4章 确定性推理

第5章 不确定推理与不确定智能

第6章 专家系统

第7章 人工神经网络

第8章 智能计算基础

第9章 机器学习基础

第10章 模式识别

第11章 混合智能系统

第12章 表示学习

第13章 深度神经网络模式识别

第14章 群体智能聚类

第15章 进化多目标与动态优化

第16章 下一代人工智能

图书链接：

当当自营：http://product.dangdang.com/27921306.html

京东自营：https://item.jd.com/12686984.html

02.《现代机器学习》

作者：焦李成、王佳宁、毛莎莎、李玲玲、陈璞花、古晶、刘芳

西安电子科技大学出版社(2022)

内容简介：

机器学习为信息类学科的重要分支。本书作为机器学习入门、进阶与本硕博一体式培养教材，系统论述了机器学习研究的基本内容、概念、算法、应用以及发展。本书共18章，分为机器学习基础、经典机器学习方法与现代机器学习方法三大部分。机器学习基础部分为第1、2章，内容为机器学习概述和数学基础知识；经典机器学习方法部分为第3～10章，内容分别为线性回归与分类模型、特征提取与选择、决策树与集成学习、支持向量机、贝叶斯决策理论、神经网络、聚类方法和半监督学习等；现代机器学习方法部分为第11～18章，内容涵盖了近年来新兴的与不断发展的前沿算法，如深度学习、深度强化学习、生成对抗网络、胶囊网络、图卷积神经网络、自监督学习、迁移学习以及自动机器学习等。

本书可作为高等院校通信、电子信息、计算机、信息科学、自动化技术等相关专业本科生与研究生的教材与参考用书，也可作为人工智能、计算机科学、模式识别、控制科学、信息与通信工程、集成电路系统设计等领域研究人员的参考用书。

目录：

第1章 机器学习概述

第2章 数学基础知识

第3章 线性回归与分类模型

第4章 特征提取与选择

第5章 决策树与集成学习

第6章 支持向量机

第7章 贝叶斯决策理论

第8章 神经网络

第9章 聚类方法

第10章 半监督学习

第11章 深度学习

第12章 深度强化学习

第13章 生成对抗网络

图书链接：

当当自营：http://product.dangdang.com/29410755.html

京东自营：https://item.jd.com/13174735.html

03.《模式识别》

作者：张向荣、冯婕、刘芳、焦李成

西安电子科技大学出版社(2019)

内容简介：

本书结合传统模式识别与新发展，传统内容与学科前沿相互补充，总共分为经典模式识别、现代模式识别以及深度学习模式识别三个部分共十五章。第一部分包括七个章节，主要介绍了经典模式识别方法，第二部分共三章，主要介绍了现代模式识别方法。第三部分共五章节，主要介绍了深度学习模式识别。第一部分的前几章着重讨论监督学习即已知训练样本及其类别条件下分类器的设计方法；之后介绍无监督模式识别，以及讲解模式识别系统中特征提取和选择的准则和算法。第二部分介绍现代模式识别，其中包含支撑矢量机、组合分类器以及半监督学习。第三部分讨论了前沿模式识别，从深度神经网络出发到强化学习、宽度学习、图卷积网络等。在最后，以实例的形式给出了模式识别在各个领域中的应用，以加深读者对模式识别方法更直观的认识。

本书是西安电子科技大学人工智能学院模式识别研究中心多年来教学与研究经验的总结和凝练，可作为模式识别、计算机科学与工程、控制科学与工程、智能科学与技术等相关专业研究生或高年级本科生的参考用书，亦可供相关领域的研究人员参考。

目录：

第一部分 经典模式识别

第1章 模式识别概述

第2章 贝叶斯决策

第3章 线性和非线性判别分析

第4章 无监督模式识别

第5章 特征选择

第6章 特征提取

第7章 经典人工神经网络

第二部分 现代模式识别

第8章 支撑矢量机

第9章 组合分类器

第10章 半监督学习

第三部分 深度学习模式识别

第11章 深度神经网络

第12章 强化学习

第13章 宽度学习

第14章 图卷积神经网络

第15章 语音、文本、图像与视频模式识别

图书链接：

当当自营：http://product.dangdang.com/11234769123.html

京东自营：https://item.jd.com/12686986.html

04.《现代神经网络教程》

作者：杨淑媛、焦李成、刘梦琨、赵进、刘芳、梁雪峰

西安电子科技大学出版社(2020)

内容简介：

神经网络在七十余年的发展历程中， 虽几经沉浮， 但仍已发展成为国际学术、产业及国家发展的焦点和热点，已成为未来创新社会发展的动力。本书从认知神经科学出发阐述了神经计算的范畴、历史与发展、基本原理等内容。全书共17章，分为两个部分: 第一部分（第1～10章）从神经网络计算的生物学基础出发，论述了前馈神经网络、反馈神经网络、竞争学习神经网络以及新兴的进化神经网络、正则神经网络、支撑矢量机网络、模糊神经网络、多尺度神经网络等模型与学习算法； 第二部分（第11～17章）论述了新近发展的深度网络模型与学习算法，包括自编码网络、卷积神经网络、生成式对抗网络、循环神经网络、图神经网络等及其在文本、图像模式识别、图像感知等领域的应用，其中在第16章的深度学习进阶中，论述了稀疏编码分类及应用、相关网络学习与训练的实例，以供有兴趣的读者进一步探索实践。

本书可作为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能、大数据、图像感知等相关专业本科生或研究生的教材, 同时也可为相关领域的科研人员提供参考。

目录：

第1章 绪论

第2章 神经计算生物学基础

第3章 前馈神经网络模型

第4章 反馈神经网络模型

第5章 竞争学习神经网络

第6章 进化神经网络模型

第7章 正则神经网络

第8章 支撑矢量机网络

第9章 模糊神经网络

第10章 多尺度神经网络

第11章 自编码网络

第12章 卷积神经网络

第13章 生成式对抗网络

第14章 循环神经网络

第15章 深度强化学习

第16章 深度学习进阶

第17章 图神经网络

图书链接：

当当自营：http://product.dangdang.com/29125272.html

京东自营：https://item.jd.com/12967532.html

05.《量子计算智能》

作者：李阳阳，焦李成，张丹，李玲玲，刘天宇

西安电子科技大学出版社(2019)

内容简介：

人工智能进入了一个快速发展的时期，未来人类社会将需要更强大的算力和更高效的计算方法，摩尔定律正在失效，但量子力学态叠加原理给予了我们关于未来计算的启示和希望，“世界经济和各个国家最终的命运可能取决于奇异的和违反直觉的量子理论的原则”（加来道雄《物理学的未来》），目前，量子计算和人工智能是最令学界和业界振奋的未来科技，它们的结合势必带来领域的重大进步，甚至是超越想象的社会革新。

本书在总结自然计算领域主要理论研究和实际应用成果的基础上，着重对近年来量子计算智能领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从计算和优化两个方面展开，分为八大部分，主要内容包含如下方面：进化计算，群智能，量子进化计算，量子粒子群优化，基于量子智能优化的数据聚类和数据分类，网络学习算法和相关应用。

本书可为人工智能、计算机科学、信息科学、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生教材，其中前四部分为基础理论适合本科生使用，后四部分为高阶算法适合研究生使用。

目录：

第1章 进化计算

第2章 群体智能算法

第3章 量子进化计算

第4章 量子粒子群智能

第5章 基于量子智能优化的数据聚类

第6章 基于量子智能优化的数据分类

第7章 基于量子智能优化的网络学习

第8章 基于量子智能优化的应用

图书链接：

当当链接：http://product.dangdang.com/27921304.html

06.《人工智能导论》

作者：刘若辰、慕彩红、焦李成、刘芳，陈璞花

清华大学出版社(2021)

内容简介：

本书是一本人工智能通识教材，系统地论述了经典人工智能的基础理论及人工智能主要研究领域的基础知识与应用。全书共十一章，前五章介绍经典人工智能的基础理论，包括人工智能的发展历史、状态空间表示及其搜索技术、问题归约表示及其搜索技术、确定性推理以及不确定推理；接下来的五章介绍人工智能主要研究领域的基础知识与应用，包括遗传算法、群智能、人工神经网络、 机器学习基础、模式识别；最后一章介绍了最具代表性的几个人工智能技术，并分析了未来人工智能的发展趋势及其面临的挑战。每章都附有本章内容框图、习题和参考文献。

本书不仅可作为高等院校智能科学与技术、计算机科学、电子科学与技术、信息科学、控制科学与工程、模式识别与人工智能等专业的低年级本科生或专科生的教材，同时也可作为人文社科类各专业本科生的通识课程教材，还可以为那些对人工智能技术及其应用感兴趣的工程技术人员提供参考。

目录：

第1章 概述

第2章 状态空间知识表示及其搜索技术

第3章 问题归约知识表示及其搜索技术

第4章 确定性推理

第5章 不确定推理

第6章 人工神经网络

第7章 遗传算法

第8章 群智能

第9章 机器学习基础

第10章 模式识别

第11章 未来人工智能

图书链接：

当当自营：http://product.dangdang.com/29298966.html

京东自营：https://item.jd.com/12938181.html

07.《计算智能导论》

作者：尚荣华、焦李成、刘芳、张小华、李玲玲

西安电子科技大学出版社(2019)

内容简介：

本书对计算智能的诸多基础理论进行了详细的介绍和释义，并介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果，将理论与实践紧密联系起来。全书共4章，其中，第1章对人工智能的萌芽、诞生和发展，以及现状和未来进行了简要介绍；第2章为进化计算，论述了遗传算法、蚁群算法、粒子群算法，以及免疫克隆算法；第3章为模糊逻辑，介绍了模糊理论基础，论述了常见的模糊隶属度函数以及模糊集合常用的算子，并对模糊关系及运算、模糊推理进行了详细介绍；第4章为人工神经网络，论述了人工神经网络的特点、生物学基础及其发展与应用。本书可为计算机科学、信息科学、人工智能、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生教材。本书获西安电子科技大学“第十七届优秀教材一等奖”。

目录：

第1章 绪论

第2章 进化计算

第3章 模糊逻辑

第4章 人工神经网络

图书链接：

当当链接：http://product.dangdang.com/27921305.html；

京东链接：https://item.jd.com/12565321.html。

08.《人工智能实验简明教程》

作者：焦李成、孙其功、田小林、侯彪、李阳阳

清华大学出版社(2020)

内容简介：

随着人工智能的飞速发展及广泛应用，人工智能专业教育正在逐步完善，作为国内人工智能领域的创新性实验教材，本书将人工智能的理论、实践和创新型进行结合，实现了先进性与新颖性并举，内容涵盖了图像、语音、文本和视频等人工智能技术广泛应用的多个领域，涉及识别、分类、检测、预测、跟踪和三维重建等多类实验任务。内容与理论教学相呼应，注重趣味性，极具实操性。本书实验体系完备，对每个实验均从原理、实际操作到所应用平台环境进行详细介绍。读者可在了解理论的基础上根据实验部分的描述独立完成相关实验，从理论到实践来体会人工智能之美、人工智能之趣、人工智能之于社会生产生活的深刻影响。读者可通过对本书内容的学习，对实验进行整体了解并可以独立完成实验，提高自身创新能力。

本书的实验内容安排采用了更为灵活的方式，无先后之分，每一章为一个独立实验，涵盖从研究背景、理论原理到结果分析的完整表述，使用范围和场景更广泛，可以作为人工智能、智能科学与技术、人工智能与信息处理、机器人工程、模式识别与智能系统、人工智能技术服务、大数据采集与管理等专业的专科、本科及研究生选用及参考的实验教材,也可以作为补充学习的工具书籍；适宜全面、顺序地阅读或教学，也可根据实际所需进行选择性使用；读者可以是有一定专业知识储备的科研人员或从业者，也可以是人工智能的兴趣爱好者及初识人工智能的学生。

目录：

第1章 聊天机器人

第2章 老照片上色

第3章 图像修复

第4章 语义图生成风景图

第5章 文本转图像实验

第6章 2D实时多人姿态估计

第7章 图像分割

第8章 图像超分辨率

第9章 视频目标跟踪

第10章 人物年龄性别及情绪预测

第11章 人脸老化与退龄预测

第12章 目标检测

第13章 眼部图像语义分割

第14章 语音识别

第15章 AI对对联

第16章 手写体风格转化

第17章 图像风格化

第18章 三维人脸重建

图书链接：

当当自营：http://product.dangdang.com/29216116.html

京东自营：https://item.jd.com/13162140.html

09.《深度神经网络FPGA设计与实现》

作者：孙其功、邬刚、田小林、陈永、侯彪、杨淑媛

西安电子科技大学出版社(2020)

内容简介：

本书从深度神经网络和AI芯片研究现状出发，系统地论述了目前深度学习主流开发平台和深度神经网络基于FPGA平台实现加速的开发原理和应用实例。本书主要包括5部分：第1～2章介绍了深度神经网络的发展，并总结了深度学习主流开发平台和AI芯片的研究现状；第3～6章在对深度神经网络基础层算子、FPGA进行了介绍后，总结了FPGA神经网络开发基础及RTL级开发；第7章分析了基于FPGA实现神经网络加速的实例；第8章介绍了基于OpenCL的FPGA神经网络计算加速开发；第9章分析了前沿神经网络压缩与加速技术。

本书可以为人工智能、计算机科学、信息科学、神经网络加速计算研究者或者从事深度学习、图像处理的相关研究人员提供参考，也可作为相关专业本科生及研究生的教学参考书。

目录：

第1章 深度学习及AI芯片

第2章 深度学习开发平台

第3章 深度神经网络基础层算子介绍

第4章 FPGA基本介绍

第5章 FPGA神经网络开发基础

第6章 FPGA神经网络计算的RTL级开发

第7章 基于FPGA实现YOLOV2模型计算加速实例分析

第8章 基于OpenCL的FPGA神经网络计算加速开发

第9章 神经网络压缩与加速技术

图书链接：

当当自营：http://product.dangdang.com/29159617.html

京东自营：https://item.jd.com/13030834.html

10.《压缩感知理论的工程应用方法》

作者：石光明、林杰、高大化、董伟生等

西安电子科技大学出版社(2017)

内容简介：

在传输带宽有限和数据量激增的数字化时代，压缩感知理论为低速有效获取信息提供了一种新的思路，成为近十年来信号信息处理领域中一个备受瞩目的理论。本书的编写注重理论和工程应用的结合，针对压缩感知理论在工程应用上的几个热点和难点问题，给出了理论建模和求解方法，既有完整的物理模型，又有完备的数学推导，同时通过图文并茂的方式，给出了大量的仿真示例和详尽的结果分析。

目录：

第1章 概论

第2章 压缩感知理论简介

第3章 信号稀疏表示与分解方法

第4章 图像稀疏重建

第5章 基于压缩感知的一维回波信号获取与检测

第6章 基于压缩感知的计算成像

第7章 基于稀疏理论的高分辨率雷达成像

第8章 基于稀疏表示重构的多视目标识别

第9章 基于稀疏性提升的光流估计

图书链接：

当当自营：http://product.dangdang.com/11193459711.html

京东自营：https://item.jd.com/12209653.html

11.《人脸图像合成与识别 》

作者：高新波 王楠楠

高等教育出版社(2022)

内容简介：

人脸图像合成与识别是计算机视觉和人工智能领域的重点前沿方向。本书从机器学习和深度神经网络的理论和技术基础出发，系统深入地阐述了人脸图像合成与识别领域近年的研究热点与前沿进展，全面准确地对相关理论基础和代表性方法进行了介绍和讲解，主要包括人脸检测、人脸对齐、活体检测、人脸识别、人脸超分辨重建、人脸多视角合成、表情合成与识别、计算机人脸动画、异质人脸合成等多个人脸图像任务专题，并辅以相应的实验测评与程序代码解读。

目录：

第1章 绪论

第2章 机器学习基础

第3章 人脸检测

第4章 人脸对齐

第5章 人脸活体检测

第6章 人脸图像识别

第7章 异质人脸图像识别

第8章 人脸超分辨率重建

第9章 多视角人脸合成

第10章 人脸表情合成与识别

第11章 计算机人脸动画

第12章 异质人脸图像合成

第13章 人脸图像合成与识别展

图书链接：

当当自营：http://product.dangdang.com/11188760829.html

京东自营：https://item.jd.com/10049499036276.html

12.《数字信号处理》

作者：高新波、阔永红、田春娜

高等教育出版社(2014)

内容简介：

该书全面、系统地介绍了数字信号处理的基本理论、概念和方法。第0章为绪论，简要介绍了数字信号处理理论与应用的发展与现状；第1章为离散时间信号描述与分析，给出了离散时间信号的序列描述、时域分析以及傅里叶变换；第2章为模拟信号数字化，分析了采样和量化的理论和效应；第3章重点介绍了离散傅里叶变换及其性质，以及快速傅里叶变换的实现方法等；第4章介绍了线性时不变离散时间系统的定义、性质及求解方法等；第5章介绍有限冲激响应滤波器设计方法以及误差分析方法等；第6章主要介绍无限冲激响应滤波器设计方法及其误差分析方法；第7章介绍了数字信号处理的几个典型应用，通过应用加深对数字信号处理理论的理解。以上各部分内容中都提供了MATLAB代码，可供学生理论与实践相结合，深化理论学习成果。

该书有丰富的例题和习题。书末附有部分习题的参考答案。《数字信号处理/教育部高等学校电子电气基础课程教学指导分委员会推荐教材》可作为高等学校电子信息工程、通信工程、自动化、电子科学与技术、测控技术与仪器、生物医学工程、计算机科学与技术等工科专业以及理科电子信息科学与技术专业的教材，也可作为从事这些专业的工程技术人员和科学研究人员的参考书。《数字信号处理/教育部高等学校电子电气基础课程教学指导分委员会推荐教材》由西安电子科技大学高新波教授、阔永红教授（第4～5章）和田春娜教授共同编写。

目录：

绪论 数字信号处理理论与应用

第1章 离散时间信号描述与分析

第2章 模拟信号数字化

第3章 离散傅里叶变换

第4章 线性时不变离散时间系统

第5章 有限冲激响应（ⅡR）滤波器设计

第6章 无限冲激响应（ⅡR）滤波器设计

第7章 数字信号处理的应用

图书链接：

当当自营：http://product.dangdang.com/23986352.html

京东自营：https://item.jd.com/11540749.html