1. Artificial Intelligence
（人工智能）（第二版）
作者：Stuart Jonathan Russell, Peter Norvig
本书是一本介绍人工智能的指南，涵盖了人工智能的大半部分分支，包括智能代理、问题解决、逻辑代理、机器人等。本书对人工智能的发展历史做了介绍，包括人工智能最初是以“问题-解决”的模式出现的。本书有大量的在线样本代码，并以不同的语言编写。这是一本很棒的CS（计算机科学）书，里面有一些数学知识，但是附录中对这些数学背景进行了全面的补充。
2. Neural Networks for Pattern Recognition
（模式识别的神经网络）
作者：Christopher M. Bishop
本文从统计模式识别的角度，对前馈神经网络进行了首次综合整理。在对模式识别的基本概念进行过介绍后，介绍了建模概率密度函数的技术，并讨论了多层感知器和径向基函数网络模型的性能和相对优点。它还激励了对各种形式的错误函数的使用，并回顾了主要的使错误函数最小化的算法，总结了贝叶斯技术及其在神经网络中的广泛应用。
3. Design Patterns in Java
（Java中的设计模式）
作者：Steven John Metsker, William C. Wake
本书给你动手实践的机会，使你深刻理解在任何一项Java软件项目中，充分利用设计模式可发挥的重要作用。作为对经典设计模式的完美补充，本书集最新的Java特性和最佳实践于一身。
4. Natural Language Processing with Python
（使用Python进行自然语言处理）
作者：Steven Bird, Ewan Klein, Edward Loper
这本书提供了一个很容易理解的自然语言处理介绍，支持多种语言技术，从预测文本和电子邮件过滤到自动摘要和翻译。
5. Mahout in Action
（Mahout实战）
作者：Sean Owen, Robin Anil, Ted Dunning
本书通过使用Apache Mahout提供了关于机器学习的信息，包括使用组数据进行个别建议、查找逻辑集群和筛选分类等主题。
6. Machine Learning
（机器学习）
作者：Kevin P. Murphy
本书是一本关于机器学习的综合书。本书以一种统一的、概率性的方法，为机器学习领域提供了全面而独立的介绍，适用于具有入门级数学背景的高年级本科生和研究生。
7. Lisp
（ Lisp语言）（第三版）
作者：Patrick Henry Winston, Berthold Horn
新版本保留了之前版本的内容，又加入许多人工智能技术先进成果。本书从基本的语言到详细的例子，通过实践介绍Lisp。同时，还介绍了Common Lisp的对象系统，以及面向对象编程支持的提高生产力的技术。并介绍了专家系统、自然语言接口、符号数学等应用实例，以及概率边界处理、项目仿真和可视化对象识别等新应用。
7. Practical Common Lisp
（实用 Common Lisp）
作者：Peter Seibel
这是第一本将Common Lisp作为非学术语言介绍的书，提供了对Common Lisp的详细介绍，并提供了对Common Lisp语言特性及其工作原理的全面了解。
8. Logical Foundations of Artificial Intelligence
（人工智能逻辑基础）
作者：Michael R. Genesereth
本书从逻辑角度出发，是人工智能学科领域一本清晰、严谨、全面的基础书籍，是高等本科生和研究生的教科书，也是人工智能研究人员和开发人员的关键参考作品。
9. Linux Robotics
（Linux机器人）
作者：D. Jay Newman
这本书结合了机器人技术和编程中最复杂的部分，以填补现有信息的空白。如今，大多数机器人书籍都将微控制器作为机器人的“大脑”。这种方法适用于较小的、不太昂贵的项目，但有严重的局限性。当试图制造一个具有复杂动作能力、导航能力、视觉和图像捕捉能力的机器人时，最好使用单板计算机(SBC)，如Linux作为控制器。
10.Pattern classification
（模式分类）
注：部分图文来源于网络，如有侵权，请联系作者删除！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
