《GO语言机器学习实战》主要介绍了如何在Go语言中部署程序从而实现机器学 习算法。主要内容包括:利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行 回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外， 本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适 合于具体项目的机器学习算法。

《面向人机交互的人脸表情识别技术=Facial ExpressioRecognitionTechnology for Human-Computer Interaction:英文》根据工程应用的实际需要，全面系统地介绍了面向人机交互的人脸表情识别技术，主要内容包括：根据视觉信息处理的分模块性原理，对彩色图像的恒常性问题进行研究，解决传统颜色恒常性的不适定问题；为实现高效准确的人脸检测和面部特征定位，对多特征融合的人脸检测方法和面部特征点定位问题进行研究；综合考虑人脸表情特征的重要性和提取的有效性，对表情特征提取方法进行研究；考虑融入表情样本的类别信息，对有监督的正交保局投影的表情识别算法进行研究。

《中国电子信息工程科技发展研究 深度学习专题》主要介绍了全球深度学习技术和产业发展现状及趋势，以及人才情况；阐述了我国的深度学习发展现状，包括基础理论、底层技术、应用技术和产业应用情况；重点介绍了我国深度学习相关的热点和亮点，包括AI芯片、深度学习框架、自动化深度学习建模、深度学习模型和行业应用等。同时对深度学习行业的发展和现状做了系统的总结，并阐述了下一步的趋势和影响。

《哈密顿力学理论的形式化与机器人动力学形式化分析》系统深入地研究了辛几何理论、哈密顿动力学的公理化体系，并以四自由度串联机器人为例，研究了基于哈密顿动力学系统的形式化分析与验证方法的应用，为机器人动力学的安全设计提供了形式化验证理论和技术手段。《哈密顿力学理论的形式化与机器人动力学形式化分析》主要内容包括：哈密顿模型的几何基础——辛流形空间的形式化、哈密顿模型和拉格朗日模型的勒让德映射关系的形式化、哈密顿方程的形式化和机器人动力学的形式化建模与分析。内容涉及交互式定理证明、机器人、形式化验证等人工智能领域。

智能计算作为人工智能时代的核心生产力，已成为国际计算机科技发展的焦点，在计算理论、体系架构、应用模式等方面迎来颠覆性变革。《中国电子信息工程科技发展研究.智能计算专题》从全球发展态势、我国发展现状、未来展望和热点亮点四个方面介绍智能计算取得的重要进展情况，对智能计算核心器件、关键软件、计算设备、计算架构等全球及我国态势、关键技术产业进展进行深入研究，希望为我国智能计算领域的发展提供参考。

《Pytho自然语言处理入门》是一本使用 Pytho解释在人工智能领域备受关注的自然语言分析方法的入门书，内容涵盖“检索技术”“实体提取”“关系提取”“语素分析”和“评估 / 情感 / 概念分析”等自然语言处理中的常用知识，同时对传统技术和引入了 AI 新技术的特点作了对比。全书以一线 AI工程师的实际项目经验为后盾，对自然语言处理的要点进行了归纳总结，并介绍了使用 Pytho程序、API、商业服务（IBM Watson）和 OSS（MeCab / Elasticsearch / Word2Vec）等进行自然语言处理的实用方法，在最后一章中，还介绍了 BERT 的相关内容，特别适合想学习自然语言处理的理工科学生和人工智能工程师进行参考和学习。

《模型预测控制》在状态空间理论的统一框架下系统深入地介绍了预测控制的滚动优化原理、算法和闭环性能。首先通过本科生熟悉的状态空间模型建立起预测控制从原理到算法和性能分析的每一个细节。然后，介绍了阶跃响应模型和脉冲响应模型的状态空间描述，给出了与传统卷积描述的一致性。据此，遵循预测控制的三个步骤“预测系统未来动态-求解优化问题-解的个元素作用于系统”和“滚动时域、重复进行”机制推导了无约束的动态矩阵控制（DMC）和模型算法控制（MAC），分析了闭环性能，给出了闭环稳定性的分离原理。然后，依次讨论了时滞预测控制、约束预测控制、非线性预测控制，以及稳定性和鲁棒性研究的进展。，介绍了基于滚动优化原理的滚动时域估计和基于现场可编程门阵列（FPGA）的预测控制器实现技术。 《模型预测控制》可作为高等学校自