《基于视觉的运动目标检测跟踪》主要研究内容为基于计算机视觉、数字图像处理、数字视频处理等理论，实现视频中运动目标的检测跟踪。根据视觉感知环境将研究内容分为单目、双目和多目视觉下的运动目标检测和跟踪。在单目视觉下，分别针对静止背景下的可见光视频中的目标检测跟踪、红外小目标的检测跟踪及动态背景下运动目标检测跟踪进行了研究，给出了运动目标检测、位置预测及模板匹配的跟踪思路和方法。此外，结合机器学习技术的广泛应用，针对目标长时在线跟踪中的漂移问题、尺度变换问题及目标定位问题，研究了机器学习的方法。在双目和多目视觉下，结合多摄像机之间的空间位置关系，就多目标跟踪中的三维跟踪、融合跟踪等技术进行了研究，并就其在多目视觉下基于标记点的运动捕获这一具体应用中的实现进行了研究，解决了其中的遮

本书展现了智能世界中通信网络自动化、智能化的愿景，阐述了华为自动驾驶网络的发展历程、应用场景、基础理论、参考架构及相关的关键技术。本书主要介绍自动驾驶网络的顶层架构、分层架构（包括自智网络引擎、网图、AI Native网元）、关键特征（包括分布式AI、内生安全）等的架构设计，以及网络可信任AI、网络分布式AI、网络数字孪生、网络仿真、网络知识和专家经验数字化、网络人机共生、网元内生智能、网络内生安全等关键技术。本书还介绍了产业组织、标准组织的标准全景和分级评估方法，并以华为自动驾驶网络解决方案为例，阐明如何推行实践。 本书可为通信网络自动化、智能化领域的专业人士，以及科研院所相关领域的研究者提供参考。

本书主要讲解无人驾驶产品管理，让没有人工智能背景的读者在短时间内入门，掌握无人驾驶由开发到落地的精髓。人工智能产品落地是一个漫长而艰辛的过程，需要产品经理针对不同的开发阶段制定适宜的策略，无人车尤为如此。本书也是一本用中国人的视角讲解硅谷人工智能产品的书，书中采用大量硅谷人工智能公司的案例，通过与情况的对比，为中国的读者阐释硅谷的产品管理方法。对于有意加入人工智能行业的读者来说，本书不仅提供了实用的职场建议，还为技术人员讲解了硅谷的管理经验，希望能起到抛砖引玉的作用。

《非交换剩余格上的滤子和态理论及其应用》系统介绍非交换剩余格上的滤子和态的相关理论及其应用。全书共7章，具体内容包括基础知识、BL-代数上的滤子理论、剩余格上的滤子理论、非交换剩余格上的滤子理论、EQ-代数上的滤子理论、非交换剩余格上的态理论及非交换剩余格上的广义态理论。 《非交换剩余格上的滤子和态理论及其应用》可作为非经典数理逻辑、逻辑代数等基础数学、应用数学和人工智能专业的研究生教材，也可供数学与计算机等相关专业的高年级本科生、教师与科研人员阅读参考。

本书涵盖了Transformer在NLP领域的主要应用。首先介绍Transformer模型和Hugging Face 生态系统。然后重点介绍情感分析任务以及Trainer API、Transformer的架构，并讲述了在多语言中识别文本内实体的任务，以及Transformer模型生成文本的能力，还介绍了解码策略和度量指标。接着深入挖掘了文本摘要这个复杂的序列到序列的任务，并介绍了用于此任务的度量指标。之后聚焦于构建基于评论的问答系统，介绍如何基于Haystack进行信息检索，探讨在缺乏大量标注数据的情况下提高模型性能的方法。展示如何从头开始构建和训练用于自动填充Python源代码的模型，并总结Transformer面临的挑战以及将这个模型应用于其他领域的一些新研究。

本书分为两大部分：di一部分主要基于Scikit-Learn，介绍机器学习的基础算法；第二部分则使用TensorFlow和Keras，介绍神经网络与深度学习。此外，附录部分的内容也丰富，包括课后练习题解答、机器学习项目清单、SVM对偶问题、自动微分和特殊数据结构等。书中内容广博，覆盖了机器学习的各个领域，不仅介绍了传统的机器学习模型，包括支持向量机、决策树、森林和集成方法，还提供了使用Scikit-Learn进行机器学习的端到端训练示例。作者尤其对深度神经网络进行了深入的探讨，包括各种神经网络架构、强化学习，以及如何使用TensorFlow/Keras库来构建和训练神经网络。本书兼顾理论与实战，既适合在校学生，又适合有经验的工程师。

因素空间是信息、智能和数据科学的数学基础理论。本书将介绍因素空间如何将智能生成的统一机制落实到各行各业，开展全民智能孵化的洛神工程。 本书主要内容包括：介绍因素的范式特质和智能孵化洛神工程的内容；介绍因素空间对智能生成机制的落实细则；介绍因素显隐的理论，将现有人工智能数学算法归结到回归和优化两大方面，突出支持向量机与因素空间对支持向量机的改进，并介绍作者在线性规划方面的独特贡献；强调智能的核心是因果分析，支持珀尔的因果革命论，并对其中的瑕疵进行改进；作为智能孵化的一个应用，介绍循证因素工程。

深度学习绝非不可窥探的黑箱!深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或数据科学家,同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式，为你揭示这些原理，让你在理解和解释自己的工作时更加自信与从容。 《深度学习精粹与PyTorch实践》以浅显易懂的方式揭示了深度学习算法的内部运作机制，即使是机器学习初学者也能轻松理解。本书通过平实的语言解析、详尽的代码注释,以及数十个基于PyTorch框架的实战示例，逐步引导你探索深度学习的核心概念与实用工具。本书避免了复杂的数学公式堆砌，而是采用直观易懂的方式阐述每种神经网络类型的运作逻辑。更令人兴奋的是，书中提供的所有解决方案均可在现有的GPU硬件上顺畅运行! 主要内容 选择正确的深度学习组件 训练和评估深度学习模

演化算法是一类基于群体智能的自然启发式搜索优化策略，具有结构灵活、易于理解、适用广泛的特点。《高级自然计算理论与应用》是作者多年研究成果的总结，介绍基于复杂适应度函数的进化算法、化学反应优化算法、人工内分泌系统模型、反向差分进化算法等高级计算智能方法，以及算法在目标的识别和跟踪、车辆路径问题等复杂实际场景中的应用。