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。

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。

深度学习网络正在变得越来越小。Google Assistant团队可以使用大小只有14KB的模型检测单词——模型小到可以在微控制器上运行。在这本实用的书中，你将进入TinyML的世界。TinyML将深度学习和嵌入式系统相结合，使得微型设备可以做出令人惊叹的事情。 本书解释了如何训练足够小的模型以适合任何环境。对于希望在嵌入式系统中搭建机器学习项目的软件及硬件开发人员而言，本书是一个理想的指南，它将一步步地指导你搭建一系列TinyML项目。阅读本书不需要任何机器学习或者微控制器开发经验。 你将深入了解以下内容： 如何创建语音识别程序、行人检测程序和响应手势的魔杖程序。 如何使用Arduino和超低功耗微控制器。 机器学习的基本知识以及如何训练自己的模型。 如何训练模型以理解音频、图像和加速度传感器数据。 如何使用TensorFlow Lite for Microcontrollers，

本书全面而透彻地介绍了元学习和AutoML的几乎所有方面，涵盖了基本概念和架构、评估、数据集、超参数优化、集成和工作流，以及如何使用这些知识来选择、组合、调整和配置算法和模型，以更快更好地解决数据挖掘和数据科学问题。因此，它可以帮助开发人员开发可以通过经验改进自己的系统。

知识图谱已被广泛应用于智能信息搜索、自动问答、决策分析等领域。本书以构建领域多层次知识体系支撑智能应用为目标，系统地介绍实体关系图谱、事理图谱和业务主题图谱构建过程中涉及的关键技术，如知识抽取、知识融合、知识存储、事件和场景抽取、事件模式库构建、事理规则挖掘、层次主题挖掘、动态主题挖掘、对象属性挖掘、主题要素关联挖掘等。此外，本书还提供丰富的案例，展现如何利用知识图谱实现领域智能应用。 本书内容对于知识图谱研究和领域应用具有的参考意义，既适合专业人士了解知识图谱和深度学习前沿热点，又适合在相关领域从事知识图谱应用开发的人员学习，还可以作为高等院校人工智能专业师生的参考教材。

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

本书涵盖了从梯度下降的基础知识一直到使用HuggingFace库微调大型自然语言处理模型（BERT和GPT-2）。它分为四个部分——部分：基础知识（梯度下降，在PyTorch中训练线性和逻辑回归）；第二部分：计算机视觉（更深层次的模型和激活函数、卷积、迁移学习、初始化方案）；第三部分：序列（RNN、GRU、LSTM、序列到序列模型、注意力、自注意力、转换器）；第四部分：自然语言处理（词元化、嵌入、上下文词嵌入、ELMo、BERT、GPT-2）。 该书以三卷的形式呈现给大家，部分为卷，第二部分为第二卷，第三部分和第四部分为第三卷。 在第三卷中，您将了解与序列相关的所有内容：循环神经网络及其变体、序列到序列模型、注意力、自注意力和转换器。本卷还包括有关自然语言处理的速成教程，从单词词元化的基础知识一直到使用HuggingFace库微调大型模型（BERT和GPT-2）。本卷

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。

《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

本书内容涵盖了轮腿复合与腿臂融合多模式移动操作机器人的机构设计、运动规划与控制方法等相关技术；介绍了四足变拓扑构型机器人和径向对称圆周分布六足机器人，展示了多种轮腿复合、腿臂融合机构与模块化仿生足的设计；阐释了多模式移动操作机器人的步态规划、操作规划、模式切换与轮腿协同路径规划方法；演绎了基于质心运动学的移动操作控制方法、基于惯性中心在SE(3)上指数坐标的多足机器人动力学控制方法及其自适应步态控制技术。