本书是关于机器人学和机器视觉的实用参考书， 部分“基础知识”（第2章和第3章）介绍机器人及其操作对象的位置和姿态描述，以及机器人路径和运动的表示方法；第二部分“移动机器人”（第4章至第6章）介绍其基本运动控制模式及其导航和定位方法；第三部分“臂型机器人”（第7章至第9章）介绍其运动学、动力学和控制方面的知识；第四部分“计算机视觉”（0章至4章）包括光照与色彩，图像形成和处理技术，图像特征提取，以及基于多幅图像的立体视觉技术；第五部分“机器人学、 视学与控制”（5章和6章）分别讨论基于位置和基于图像的视觉伺服及更先进的混合视觉伺服方法。本书将机器人学与机器视觉知识有机结合，给出了实例算法和程序。作者有完备的代码可下载，用于验证书中知识点和实例，注重如何利用视觉信息控制机器人的运动。

本书系统地讲解了工业机器人的测评技术。全书共分12章，内容包括绪论、工业机器人的技术基础、标准概述、测试技术概述、整机性能及安全可靠性测试技术、标定技术、软件测试技术、关键零部件测试技术、专项检测技术、生产线系统集成应用测试技术、评价方法、典型测试案例分析等。

本书分为税法总则、税收债法和程序税法三篇，每篇选取若干有代表性的主题，从理论和实践两信方面展开论述。在研究方法上，本书始终坚持法学视角，既注意规范分析，又重视价值衡量。对于立法的现状和缺漏，除了法理上的评判处，尝试借用宪法的思维模式。在研究立场上，强调从公民基本权的高度，加强纳税人的权利保护，防范国家权力的滥用。本书的诸多结论有别于以往，体现出作者在研究方面的鲜明个性。

我们选择去研究合同的税法考量，在合同法与税法之间寻求思维的连结。用税法的视角，去考察合同变动中，其法定成本的税收的变动，看到了合同法与税法在彼此依赖与保持独立之间相交错。我们在合同法与税法上勤劳积累的知识自信，使我们有底气去掰开这两个制度的核心镶嵌层，而不只是停留于外围的呻吟。也许结论还需要进一步论证，我们的见解也值得更多的商榷，但我们欣慰自己能长足地推进知识生产。

本书系统深入地论述用于模式识别的特征选择的理论与方法。在内容上注重系统、全面地论述特征选择理论和方法，并力求反映、外特征选择领域的发展趋势。 全书重点论述各种有监督和无监督特征选择理论及方法。全面涵盖特征选择原理、特征选择方法分类、各类特征选择方法特点及特征选择算法性能评价方法等知识。论述各种特征评价方法。论述各种滤波式、封装式特征选择方法的原理、工作流程及算法步骤。论述特征选择集成方法、特征选择方法与样本选择及分类器集成的融合方法。还包括用于无监督模式识别的基于图谱理论的特征选择方法，用于优化深度学习网络的特征选择方法等的研究成果。 本书提供用于大型数据集和高维数据分析的特征选择算法及生物信息学应用的资料，涵盖了水声目标识别、字符识别、基于脑功能磁共振成像和单核苷酸多态

随着R语言的流行，从数据中学习比过去更加轻松。本书是通过R语言掌握数据科学技能的快速入门指南，书中一步一步地介绍如何在免费和流行的R统计包中建立每一种类型的模型。书中的案例描述得很清楚，几乎所有的代码都可以使用。读完本书，读者将可以在自己专注的某个领域把书中所介绍的技术付诸实践。本书适合数据科学入门的读者阅读，尤其是通过R语言实现数据建模和分析方法的读者学习。

本书分为两大部分：部分是税收征收管理法的具体条文解释，作者行文时力求做到通俗易懂、深入浅出地介绍立法原意及立法过程吕争议的问题，并结合现实有效的规定进行介绍，体现理论性与实践性的有机结合，使读者对修改后的税收征收管理法有比较全面的了解。第二部分是立法过程中有关的说明、修改情况的汇报和审议结果的报告等文件的汇编。目的是便于了解税收征收管理法修改过程中涉及的重条款变化情况，为进一步研究、学习税收管理法提供资料上的便利。

金融创新不仅是促进金融市场从低到高发展的重要推动力，更是引发当前席卷全球的金融海啸的导火线。本书以金融创新的税法规制为题，从金融创新与税法之间的互动关系的理论分析出发，分别从实体、程序和政策选择三个方面对金融创新的税法规制所涉及的问题予以全面的研究，以金融市场尤其是金融创新的特性为出发点，研究税法的应对路径与措施。 本书对金融创新发展过程中税法理论的发展和制度设计的思考秉持法学理念和法学规范分析方法，对金融创新趋势下的税收课征问题从宏观性、一般性的视角予以考察和研究，并强调以公平、简约的方式构建金融税法制度，提出必须立足于金融市场的运行规律和金融创新的特性制定相应的税法规则，税收政策的选择应当在促进金融创新的同时避免金融创新风险的产生等观点，富有学术和实践双重价值。

深度学习是人工智能的一个分支，受到人类大脑的启发，致力于指导计算机用神经网络进行学习。在线文本翻译、自动驾驶、商品和智能语音助手等一系列令人兴奋的现代技术应用领域，都在深度学习的辅助下取得了突破性进展。《深度学习图解》指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家Andrew W.Trask以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用Python语言及其最基本的数学库NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚一样写作！当你完成这一切后，就为成为精通深度学习框架的专家做好了充分准备！本书主要内容包括：深度学习的基础科学原理，自行设计和训练神经网络，隐私保护的知识，包括联邦学习，帮助

本书以TensorFlow1.2为基础，从基本概念、内部实现和实践等方面深入剖析了TensorFlow。书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念，接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现，紧接着还将TensorFlow与深度学习相结合，从理论基础和程序实现这两个方面系统介绍了N、GAN和RNN等经典模型，然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现，很后全面介绍了TensorFlow生态系统的发展。