《深度学习》 《深度学习》由优选知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被认可为是深度学习未来的研究重点。《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。 《动手学深度学习》 本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将
《群体智能与多Agent系统交叉结合——理论、方法与应用》是作者在人工智能领域中群体智能和多Agent系统研究方向上近几年研究成果的系统总结。在总结目前外该研究方向发展现状的基础上，《群体智能与多Agent系统交叉结合——理论、方法与应用》着重介绍作者在交叉结合群体智能、多Agent系统、多机器人协作等方面取得的研究成果，主要包括：多Agent粒子群优化算法，多Agent粒子群优化算法在电力系统优化中的应用，多Agent粒子群优化算法在控制系统中的应用，基于群体智能的多Agent系统协作模型，基于改进蚁群算法的移动Agent路径规划与避障，基于群体智能的仿真机器人足球比赛策略及应用。《群体智能与多Agent系统交叉结合——理论、方法与应用》算法理论与应用实践并重，不但为相关群体智能和多Agent系统的研究者提供研究方法以资借鉴，而且更重要的是为群
本书全面、系统地介绍了深度学习技术在人脸图像处理领域中的应用。书中不但有人脸图像处理算法的详细介绍，有实际案例带领读者上手练习。本书共11章，第1章介绍了人脸图像与特征基础；第2章介绍了深度学习的基础知识；第3章介绍了人脸数据集；第4章介绍了人脸检测技术；第5章介绍了人脸关键点检测；第6章介绍了人脸识别技术；第7章介绍了人脸属性识别；第8章介绍了人脸属性分割技术；第9章介绍了人脸美颜与美妆；0章介绍了人脸三维重建；1章介绍了人脸属性编辑。本书适合计算机视觉领域中人脸图像处理从业人员和爱好者阅读，也适深度学习算法爱好者阅读。
本书介绍了如何设计和构建拥有良好对话体验的机器人，来提供新型的消费者服务或者提高企业效率，让人们的工作更高效。本书适合设计师、产品经理和创业者阅读。作者既总结了取得成功的机器人产品的经验，也剖析了那些失败者的教训。书中还介绍了实用的机器人设计模式。你将学会如何使用有效的引导流程、勾勒不同的工作流、为机器人设定合适的性格，以及呈现信息时如何在富控件与文本之间保持精妙的平衡。
统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴，其主要创立者是本书作者。统计学习理论基本内容诞生于20世纪60~70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，本书即是其中一部，另一部是《统计学习理论的本质》。 由于较地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在该理论下发展出的支持向量机方法以其有限样本下良好的推广能力而备受重视。
本书介绍了如何设计和构建拥有良好对话体验的机器人，来提供新型的消费者服务或者提高企业效率，让人们的工作更高效。本书适合设计师、产品经理和创业者阅读。作者既总结了取得成功的机器人产品的经验，也剖析了那些失败者的教训。书中还介绍了实用的机器人设计模式。你将学会如何使用有效的引导流程、勾勒不同的工作流、为机器人设定合适的性格，以及呈现信息时如何在富控件与文本之间保持精妙的平衡。
统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴，其主要创立者是本书作者。统计学习理论基本内容诞生于20世纪60~70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，本书即是其中一部，另一部是《统计学习理论的本质》。 由于较地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在该理论下发展出的支持向量机方法以其有限样本下良好的推广能力而备受重视。
本书以PyTorch作为深度学习框架，主要包括4部分。部分（、2章），主要概述PyTorch基础知识与常见深度学习算法实现，例如，N、LSTM，即N-LSTM；第2部分（第3～5章）神经网络实现，主要包括常见的深度学习网络结构，例如N、RNN及的Transformer等模型；第3部分（第6～9章）生成式AI和深度强化学习，主要包括GAN、GPT和DQN等算法；第4部分（0～14章）生产中PyTorch落地的几个关键性主题，分布式训练、自动机器学习管道构建和硬件快速部署。
《工效学基本原理、应用及技术》的主要内容：靠前章对工效学的内容、发展史和相关立法机构进行介绍；第2章介绍人体系统，本章作为解剖学、生物学和生理学课程中精选知识复习；第3章对人体感知能力进行综述，同时说明环境因素的测量方法；第4章介绍肌肉工作机制和肌肉系统神经分布；第5章介绍人体尺寸（人体测量技术）的研究成果；第6章介绍应用工效学基本原则进行工作空间和手动工具的设计方法；第7章介绍因工作导致骨肌系统疾病的知识，包括疾病的发展历程、产生原因和症状减轻需要采取的措施；第8章介绍工作生理学知识，同时探讨重负荷工作规划的工效学原则，及如何进行生理负荷和疲劳的评估；第9章综述认知工效学和信息处理过程，同时说明控制器和显示器设计的原则；靠前0章介绍产品的易用性以及工效学设计对顾客的影响。
《数字图像处理与机器视觉——VisualC与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost，并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。《数字图像处理与机器视觉——VisualC与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。
《群体智能与多Agent系统交叉结合——理论、方法与应用》是作者在人工智能领域中群体智能和多Agent系统研究方向上近几年研究成果的系统总结。在总结目前外该研究方向发展现状的基础上，《群体智能与多Agent系统交叉结合——理论、方法与应用》着重介绍作者在交叉结合群体智能、多Agent系统、多机器人协作等方面取得的研究成果，主要包括：多Agent粒子群优化算法，多Agent粒子群优化算法在电力系统优化中的应用，多Agent粒子群优化算法在控制系统中的应用，基于群体智能的多Agent系统协作模型，基于改进蚁群算法的移动Agent路径规划与避障，基于群体智能的仿真机器人足球比赛策略及应用。《群体智能与多Agent系统交叉结合——理论、方法与应用》算法理论与应用实践并重，不但为相关群体智能和多Agent系统的研究者提供研究方法以资借鉴，而且更重要的是为群
（1）本书内容全面，详细介绍了经典自动控制理论、状态空间控制理论、离散数字系统控制理论技术和非线性系统分析的基本知识。整本书结构清晰明了、内容丰富，融会贯通了由基本概念到实际应用的思想。本书浅显易懂，数学理论分析过程翔实，读者只需要的微分方程、线性代数和拉普拉斯变换基础就可以理解其中的知识，可以作为大多数高校的教材。（2）每章的结构安排清晰合理。每章的简介（Introduction）部分都提纲挈领地给出了章节的知识背景和控制要求，以及章节的主要内容结构分布。在每章的各个小节，作者首先详细介绍各种理论、技术，紧接着给出翔实的例子，避免了读者局限于抽象的理论。而每章末尾对关键的知识点及时地进行了小结，有助于加深读者对所学知识的了解，形成完整的知识理论体系。（3）本书较早地引入了MATLAB的使用，并且在大
本书详细介绍了目前深度学习相关的常用网络模型（ANN、N、RNN），以及不同网络模型的算法原理和核心思想。本书利用大量的实例代码对网络模型进行了分析，这些案例能够加深读者对网络模型的认识。此外，本书还提供完整的进阶内容和对应案例，让读者全面深入地了解深度学习的知识和技巧，达到学以致用的目的。本书适用于大数据平台系统工程师、算法工程师、数据科学家，可作为对人工智能和深度学习感兴趣的计算机相关从业人员的学习用书，也可作为计算机等相关专业的师生用书和培训学校的教材。
本书围绕仿生机器鱼的高机动运动，结合仿生技术和智能控制方法，对仿生机器鱼的研制过程和机动控制进行了阐述，主要包括六方面内容：仿生鱼体波及鱼体形态学设计、机器鱼二维高机动精准控制、基于仿生CPG的机器鱼运动控制、机器鱼的三维机动转向控制、机器海豚俯仰及滚翻控制、机器海豚跃水运动控制。本书的每一章对所用机器鱼及机器海豚的平台研制、算法实现及实验验证均进行了详细介绍。各部分的内容既相互联系又相互独立，读者可根据自己的需要选择学习。本书内容全面、、新颖、实用，不仅适用于普通高等院校信息科学、自动化、机电工程及相关的研究生、本科生及专科生的机器人学习课程，也可作为广大致力于机器人研究的科研人员和技术工作者了解水下仿生机器人基础知识及关键技术的参考资料和辅助读物。
《基于微粒群的神经网络预测控制理论及应用》从预测控制和微粒群优化算法的基本概念出发，重点论述了基于微粒群的神经网络预测控制方法和预测模型，并针对多目标微粒群优化算法进行了深入探讨。在此基础上，针对具体的实际问题，给出了多个算例，进而说明基于微粒群的神经网络预测控制算法在非线性系统辨识和预测控制研究中的应用。《基于微粒群的神经网络预测控制理论及应用》可供从事神经网络、智能优化算法和预测控制等方面的高校师生和科研工作者参考，同时也可以为从事石油、冶金、化工、航空、航天以及过程控制等领域的工程技术人员提供帮助。
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。
人工智能作为一个崭新的交流对象正在逐渐进入人类的日常生活。伴随着人工智能的崛起，随之而来的是对传播模型的革新。人工智能的独特性所带来的对人际交流默认假设的冲击很有可能会引发对交流观点的颠覆。人—人工智能交流对时间维度的改变，对交流对象可控性的放大，以及对信息的无意识无批判等，这些都会如同大坝上打开的细微小孔，终引来整个大坝的决堤，进而如河流改道一样，将人类的交流引上不同的道路。几千年来，人类传播的历史一直在提供语言失败的证据；通过语言，我们很难实现思想的无障碍交流。在这次人工智能革命中，我们能否跨越语言的局限，直达交流的#目标——有效的思想交换？本书将对这一问题展开全面深入的讨论。本书首先从媒体技术发展的角度探讨人工智能这个正在崛起的交流对象所代表的趋势。继而第二章从使用的角
2017年国务院关于印发新一代人工智能发展规划的通知中指出：加强人工智能领域的知识产权保护，健全人工智能领域技术创新、专利保护与标准化互动支撑机制，促进人工智能创新成果的知识产权化。随着人工智能在各行各业的研究和迅速发展，人们希望就自己的创新成果能够尽快获得知识产权保护，尤其是专利保护。但是，我国目前对于人工智能相关领域的专利审查规则还有待进一步完善，产业和学界对于人工智能领域什么样的创新成果可以获得专利保护尚有些困惑和疑问，尤其是涉及传统意义上并不具备专利授权条件而人工智能却大力发展的行业，包括商业、金融、教育、医疗方法、管理、游戏等，究竟什么样的设计方案可以获得专利权，应该如何准备该领域的专利申请方案，以及如何才能通过专利申请和审查获得可靠的保护，都是值得讨论和研究的。本书就
