本书主要介绍经典的机器学习算法的原理及改进，以及MATLAB的实例实现。本书内容分为三部分。*部分(第1章)是机器学习概念篇，介绍机器学习的相关概念，并且对机器学习的各类算法进行分类，以便读者对机器学习的知识框架有一个整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法。第二部分(第2章、第3章)是MATLAB机器学习基础篇，介绍MATLAB的基本使用方法，以及MATLAB集成的机器学习工具箱。MATLAB易上手的特点让使用者将更多的精力专注于算法开发与使用，而不是搭建算法实现开发平台。第三部分(第4章~第19章)是机器学习算法与MATLAB实践篇，对监督学习、无/非监督学习、强化学习三大类常用算法进行逐个讲解，包括机器学习算法原理、算法优缺点、算法的实例解释以及MATLAB的实践应用。本书适合以下读者： 对人工智能、机器学习感兴趣的读者；
《MATLAB智能算法30个案例分析（第2版）》是作者多年从事算法研究的经验总结.书中所有案例均应国内各大MATLAB技术论坛网友的切身需求而精心设计,其中不少案例所涉及的内容和求解方法在国内现已出版的 MATLAB书籍中鲜有介绍. 《MATLAB智能算法30个案例分析（第2版）》采用案例形式,以智能算法为主线,讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等Z常用的智能算法的MATLAB实现.本书共给出３０个案例,每个案例都是一个使用智能算法解决问题的具体实例,所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成,并配有完整的程序源码和讲解视频,使读者在掌握算法的同时,也可以学习到作者们多年积累的编程经验与技巧,从而快速提高使用算法求解实际问题的能力. 《MATLAB智能算法30个案例分析
脑机接口研究致力于在人类大脑与外部设备之间建立起连接通路，架设起生物智能和人工智能之间的桥梁。认知科学建立了研究认知(Cognition)和智力(Intelligence)的基本概念和科学方法论，为脑机接口对大脑的工作状态及认知活动的解读提供了理论基础。 本书从认知科学理论、探索脑认知活动的技术手段、脑机接口的代表性技术及其前沿应用四个方面系统介绍脑机接口领域的研究成果。全书内容主要来源于创作组成员多年来在认知科学和脑机接口研究领域的知识积累，不少章节内容直接来自于作者在这些领域的科研成果。创作组成员都是国内认知科学与脑机接口领域的学者，对书中的技术论述力图做到深入浅出、通俗易懂、独立完整。 本书适用于具有一般大学理工科背景的读者，可作为科学技术人员了解认知科学和脑机接口研究领域的参考书，也可作为高等院校面向
本书依据项目流程，首先通过“智能家居体验与实训”工程体验智能家居整体效果及项目流程，再按照人们的行为习惯逐步展开“智能灯光布局及调控、智能窗帘购置及安装、智慧影音及红外学习、智能门锁及智能识别、智能家居布防与监控”工程的体验与实训，将单项技能整合起来利用“智能家居样板操作间维护操作”完成智能家居安装调试整体实训任务，结合智能家居实际产品进行“智能家居DIY”教学与实训。
本书以浅显生动的语言讲述*前沿的理念 人工智能与自适应学习将如何改变教育。当下人工智能正悄悄影响着社会生活与教育体系的各个层面，对全世界的学习与教育活动，都将产生极为深远的影响。因为人工智能，因为自适应学习，自孔子以来人类两千年历史上*次，我们可以有机会真正实现 因材施教 的伟大教育理念，跨越过去难以克服的重重阻碍，让教育真正实现 个性化 ，积极改善教学的成效， 复制 *卓越的教师，让优秀教师不再是 稀缺资源 。学校可以更有效地进行教育改革，政府部门也能用更低的成本实现教育公平。在这一刻，我们能够清晰地看到： 一次全新的教育革命正在展开！本书可作为高等院校教育学、教育技术、计算机专业高年级本科生、研究生的教材，也可作为广大教育科技工作者和教育管理者的参考用书。
本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikit learn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践篇（第4~19章），对监督学习、无/非监督学习、强化学习三大类常用算法逐一讲解，包括机器学习算法的原理、算法的优缺点、算法的实例解释以及Python的实践应用。 本书适合对人工智能、机器学习感兴趣的读者，希望用机器学习完成设计的计算机或电子信息专业的学生，准备开设机器学
本书探究交替方向乘子法在图像处理中的应用,选取了运动模糊图像复原和遥感图像融合两个领域来作细致研究。通过 MATLAB进行仿真实验,利用交替方向乘子法高效求解复杂的凸优化问题,研究遮挡人脸识别的鲁棒性算法,以及人脸图像的类内变化和类间变化与鲁棒性算法的关系。同时,本书还探索高效的分布式优化求解方法。将分布式计算框 CoCoA 应用于机器学习和信号处理的各种问题。 本书适合作用从事机器学习研究的科技工作者、专业技术人员、研究生及高年级本科生的参考书。
本书详细介绍了机器人传感器的基础知识和工作原理，以及多传感器信息融合技术的应用实例。全书共分10章，主要内容有传感器的定义与分类、基本组成，机器人的系统组成，机器人常用的传感器，智能传感器技术及应用，多传感器信息融合技术的定义、分类，多传感器信息定量和定性融合的方法，后介绍了多传感器信息融合技术在装配机器人、焊接机器人、移动机器人导航、测距和避障中的应用实例。 本书既可作为从事机器人学研究、开发和应用，以及正在学习机器人传感器相关技术的工程师和技术人员的参考书或培训教材，也可以作为高等院校自动控制、电子工程、机械工程、机电一体化、计算机应用等相关专业的高年级本科生或研究生的教材。
《工业机器人故障诊断与预防维护实战教程》围绕着从认识ABB工业机器人硬件构成，到能够独立完成工业机器人的基本故障诊断，以及根据实际情况进行周期维护和保养这一主题，通过详细的图解实例对ABB工业机器人的硬件、故障诊断、周期维护和保养相关的方法与功能进行讲述，让读者掌握与故障诊断、周期维护和保养作业相关的每一项具体操作方法，从而使读者对ABB工业机器人本体控制器硬件方面有一个全面的认识。为便于老师授课，本书配有PPT课件，联系QQ296447532获取。
本书系统介绍基于新闻语料的俄语连续语音识别方法。全书共分以下几个部分：基于Kaldi设计实现俄语连续语音识别原型系统，使之具备在线识别和离线识别功能，以验证声学模型和语言模型优化算法的有效性，进而为面向特定领域的俄语语音识别实用系统研发提供理论方法、实验数据和关键技术支撑。为了实现上述目标，需要进行如下环环紧扣的操作步骤：俄语语音语料的采集加工处理、俄语文本语料的采集清洗过滤、俄语发音词典的自动预测生成、声学模型建模基本单元（音素集）的确定、声学模型和语言模型的优化等。
数学、逻辑学、计算机科学三大领域实属一家，彼此成jiu，彼此影响。从古希腊哲学到计算机，数字、计算、推理这些貌似简单的概念在三千年里融汇、碰撞。如何将逻辑赋予数学意义？如何从简单运算走向复杂智慧？这背后充满了人类智慧的闪光：从柏拉图、莱布尼茨、罗素、香农到图灵都试图从数学公式中证明推理的合理性，缔造完整的思维体系。他们是凭天赋制胜，还是鲁莽地大胆一搏？本书描绘了一场人类探索数学、算法与逻辑思维，并走向人工智能的梦想之旅，展现了哲学家、逻辑学家与数学家独特的思维方式，探讨了算法与人工智能对科学和社会的巨大影响。
本书介绍在人工智能时代，用来建模和求解大规模机器人推断问题所使用的因子图。重点介绍解决机器人面临的大规模推理问题，以及部署机器人的相关知识。因子图相关知识（概率图模型的一种）是机器人感知中至关重要的一环，而机器人感知是机器人领域较难的技术点。希望本书能给读者带来启发。书共通过7章，深入浅出地介绍了因子图数学定义、推断方法，以及真实环境中机器人上的各种应用。在涵盖了详细的背景知识及数学论证的同时，提供了充足的SLAM应用案例以供读者参考。
本书是一本以机器人学、人工智能知识和技术为中心内容的科普及科幻长篇小说。书中通过形象与连续的故事和插图，介绍机器人的发展历史、基本结构与分类，工矿业与农林业、空间与海洋探索、国防与安保、医疗卫生、家庭服务、文化娱乐、教育教学等方面的应用， 机器人化 智能制造工厂、未来宇宙开发和星际航行以及发展方向等。此外，还展望了其他一些新技术或潜在高新技术的未来应用。本书故事情节生动，图文并茂，寓知识性、趣味性和娱乐性于一体，是广大青少年、大中小学生、中小学教师、机器人和人工智能产业园科技与工作人员以及从事科技与产业管理的政府与企业人员的课外阅读佳作，也是对机器人感兴趣的其他读者值得一看的优秀作品。通过阅读本书，读者能够了解机器人的过去、现在和将来，增进对机器人技术的兴趣与认识。
《人工智能入门与实战 使用Raspberry Pi和Python演练》使用Raspberry Pi作为计算平台，介绍AI世界。本书探索了大部分主要的人工智能主题，包括专家系统、浅层和深层的机器学习、模糊逻辑控制等。 主要内容： AI简介、基本的AI概念、专家系统的展示、游戏、模糊逻辑系统、机器学习、机器学习：人工神经网络、机器学习：深入学习、机器学习：ANN展示实践、演化计算、基于行为的机器人等。
本书以Python为开发语言，采用理论与实践相结合的形式，系统全面地介绍了机器学习涉及的核心知识。本书共6章，其中第1章介绍机器学习的基础知识，包括机器学习的概念、分类、研究范围、开发环境等，介绍个机器学习案例； 第2、3章介绍机器学习的主要方法： 监督学习与无监督学习，涉及目前机器学习为流行的经典算法和模型，如KNN、朴素贝叶斯、决策树、线性回归、逻辑回归、SVM、神经网络、PCA降维、K Means，每个算法模型都配有代码及可视化演示，让读者能更直观形象地理解机器学习； 第4章介绍机器学习非常重要的数据处理方法： 特征工程，特征工程能进一步提高机器学习算法的性能； 第5章介绍机器学习模型的评估与优化，通过评估判断模型优劣，评估后利用优化方法使其达到生产需求； 第6章介绍机器学习的应用案例，让读者更直观地感受机器学习
本书主要结合工业机器人的诸多分析理论及应用技术等，对机器人的相关基础知识、机械结构设计特点、运动学、运动轨迹规划、动力学、控制及其常用元器件等各个方面进行了较为全面的导引性描述。在本书的编撰过程中，尽量兼顾了来自不同专业或层面、具有不同基础知识结构的学生的需要。 本书既可以作为从事机器人、机械手研究或应用的各类高等院校相关专业本科生、研究生的教材，也可以作为现场工程技术人员等的理论与技术指导参考书。
本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。 机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。 机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最快捷的办法还是带着机器学习的具体问题来掌握背后的数学原理。因为线性代数和概率理论使用较多，本书在最后两章集中把重要的一些概率论和线性代数的内容加以介绍，如果有需要的同学可以参考。另外，学习任何知识，动手练习加深理解的**方法，所以本书的每一章都配备了习题供大家实践和练习。
