本书阐述高光谱遥感图像(可以简称为高光谱图像，也可以称为高光谱图像数据或高光谱数据)智能分类与检测的相关方法，主要内容包括高光谱遥感图像成像原理及特点，高光谱图像智能分类相关理论概述，基于机器学习、深度学习的高光谱图像分类，高光谱图像检测相关理论概述，以及高光谱图像特定目标、异常目标检测方法等内容。
《非线性系统的智能自适应事件触发控制》系统介绍了不确定非线性系统的智能自适应事件触发控制的基本理论和方法，力求概括国内外相关研究的*新成果，主要内容包括非线性系统的智能自适应事件触发状态反馈控制、非线性系统的智能自适应事件触发输出反馈控制、互联非线性系统的智能自适应事件触发分散控制、非线性系统的鲁棒自适应事件触发控制、非线性约束系统的智能自适应事件触发控制、非线性系统的智能自适应事件触发固定时间控制、非线性系统的智能自适应事件触发优化控制，以及分数阶非线性系统的智能自适应事件触发控制。
针对混流装配线生产计划的智能优化需求，在概要阐述混流装配线及其生产计划内容的基础上，归纳混流装配线中的多种生产计划方式，介绍如何利用建模、分析和决策等一系列理论方法实现生产计划的智能优化方法体系，提升装配制造企业对多变客户需求的适应能力，为提高企业制造水平提供有益参考。全书分为10章，第1章介绍混流装配线中的生产计划体系；第2章总结混流装配线生产计划的现有优化方法；第3章提出混流装配线生产计划智能优化体系；第5至7章分别介绍智能优化方法体系中的建模、分析与决策等问题，以及适合问题特点的相关方法；第7至9章分别介绍自进化、自组织与自重构三种生产计划方式的具体实现方法；第10章介绍面向柴油发动机企业的混流装配线生产计划智能优化原型系统。本书撰写基于理论与实践相结合的原则，注重前沿性技术在生产
本书贯穿机械系统关键零部件智能故障诊断和智能状态监测的始终，系统介绍了机器学习、智能优化算法、设备状态信息采集及信号预处理、信号特征提取与重构等方面的知识；详细介绍了基于机器学习、深度学习和迁移学习的典型零部件智能故障诊断与监测，以及典型零部件剩余使用寿命预测的方法和应用；重点介绍了设备状态信息采集与信号预处理、信号特征提取与重构等前期工作的关键理论与技术。
针对混流装配线生产计划的智能优化需求，在概要阐述混流装配线及其生产计划内容的基础上，归纳混流装配线中的多种生产计划方式，介绍如何利用建模、分析和决策等一系列理论方法实现生产计划的智能优化方法体系，提升装配制造企业对多变客户需求的适应能力，为提高企业制造水平提供有益参考。全书分为10章，章介绍混流装配线中的生产计划体系；第2章总结混流装配线生产计划的现有优化方法；第3章提出混流装配线生产计划智能优化体系；第5至7章分别介绍智能优化方法体系中的建模、分析与决策等问题，以及适合问题特点的相关方法；第7至9章分别介绍自进化、自组织与自重构三种生产计划方式的具体实现方法；0章介绍面向柴油发动机企业的混流装配线生产计划智能优化原型系统。本书撰写基于理论与实践相结合的原则，注重前沿性技术在生产计划智
如何应对以人工智能为代表的新一轮科技革命带来的伦理和治理上的挑战？这是一个未被以往任何单个学科的研究所涵盖的问题。相比以往的技术，人工智能的独特之处就在于它的“自主性”。换言之，或由于技术本身的特性、或由于其应用过程中社会赋予了它特定角色，当代人工智能技术已经在深度“参与”人的决策。在这个意义上，人工智能技术与传统的工具意义上的技术有质的区别。正是由于这种对人的决策的深度“参与”，人工智能技术导致了短期和长期的伦理问题。本书系统地讨论了这些问题，在社会如何应对新一轮科技革命和产业变革的问题上有思想资源和分析框架上的性贡献。
全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干 深度学习技术。
本书分为两大部分： 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。从外，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、随机森林和集成方法，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。
如何应对以人工智能为代表的新一轮科技革命带来的伦理和治理上的挑战？这是一个未被以往任何单个学科的研究所涵盖的问题。相比以往的技术，人工智能的独特之处就在于它的“自主性”。换言之，或由于技术本身的特性、或由于其应用过程中社会赋予了它特定角色，当代人工智能技术已经在深度“参与”人的决策。在这个意义上，人工智能技术与传统的工具意义上的技术有质的区别。正是由于这种对人的决策的深度“参与”，人工智能技术导致了短期和长期的伦理问题。本书系统地讨论了这些问题，在社会如何应对新一轮科技革命和产业变革的问题上有思想资源和分析框架上的性贡献。
从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助初学者快速学习和构建深度学习。第1章简要介绍了图像表示和一些计算机视觉模型；第2章介绍了回归、机器学习和优化的概念；第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数，以及两类和多类问题的单神经元模型等；第4章介绍了卷积池化层和CNN；第5章通过介绍CNN的一些当前新颖实用的用法，进一步拓展和丰富了深度神经网络的结构。
软体机器人技术是一个新兴的领域，使机器人能够在非结构化或不稳定的环境中工作，并执行需要精细度和延展性的任务。这一切都是关于软材料——硅树脂、布、气球、软塑料的工程，并以不同的方式将它们结合起来，为有
