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。

本书围绕SDK的开发展开，通过分析MCU内核与外设工作原理，结合API介绍各个外设的编程和应用。希望通过本书，使传统单片机工程师面向寄存器的开发思维得到一些转变，能够尝试运用成熟的软件框架来高效地完成应用开发。本书可供具有一定C语言知识和硬件基础的嵌入式系统工程师使用，同时也可以作为高等院校电子信息工程相关专业的教学参考书。

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。

游戏中的人工智能开发是游戏研发中*具挑战性的任务之一，而本书汇集了与游戏人工智能开发有关的知识，借助这些知识，程序员能够开发出有趣的AI 角色，为玩家带来美妙的游戏体验。本书分为7 个部分共48 章，分别讨论了通用智能、体系架构、运动与寻路、战略与战术、agent 意识与知识表征、竞速以及其他领域的游戏AI 技术。读者可以以本书作为路线图，了解在智能游戏方面哪些技术已经被成功使用，哪些具有很大的潜力。本书的作者都是游戏人工智能的专家，在此行业摸爬滚打多年，其观点和技术均在自身产品中做过验证，因而有很高的参考价值。书中有些章节甚至提供了源码，可供读者方便地应用到自己开发的游戏程序中。对于希望为玩家带来引人入胜的游戏体验的开发者，本书非常值得一读。

本书的两位作者是机器人领域的技术专家和教授，他们通过本书为读者了解机器人的组成结构、电气控制及其工业应用奠定了坚实的基础。书中涵盖机器人相关的新组件、技术和功能，配有丰富的实际应用案例和详细说明。本书着眼于机器人的整个体系从设计和生产到部署、操作和维护。录中还提供了关于机器人模型和控制器的加信息。

作为全球教育机器人潮流的，VEX机器人的产品、培训和竞赛在过去的十多年为包括我国在内的世界数以百万计的青少年带来了STEAM教育的极为有效的工具和手段。目前全世界参加VEX机器人比赛的队伍达到了16000多支，人数达到上百万，我国目前有上千支队伍参加各级比赛。本书系统介绍了VEXIQ机器人的搭建、机器人编程等内容，每个主题从核心问题入手，通过对目标概要、动手体验、成果评估、思维训练和学习活动的详细介绍告诉读者如何设计机器人以及如何将机器人与学科课程相结合。本书可以作为VEX机器人初学者的学习用书，也可以作为机器人教师与学生准备机器人比赛的参考用书，学校开展机器人教学的教材，比赛举办方培训教练员、裁判员的教材和中国创客教育认证教材。

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

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，