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。

作为浙江省委、省zheng府深入实施创新驱动发展战略、探索xin型举国体制浙江路径的重大科技创新平台，之江实验室勇闯科研“无人区”，基于智能计算与材料、天文、制药、育种等前沿学科交叉融合的研究成果，组织编写 “之江实验室智能计算丛书” ，以期在更大范围内凝聚共识，利用智能计算技术，服务我国社会经济高质量发展。 丛书由朱世强教授担任丛书主编，对之江实验室关于智能计算的理解和行动进行全面介绍。《智能计算》为总论，各分册分别论述了重大科学装置“智能计算数字反应堆”与材料、天文、制药、育种等学科深度耦合的应用成果。丛书系统梳理了智能计算的理论体系、技术体系和标准体系，将智能计算与国家重大战略需求和新兴学科交叉融合，促进多学科对综合性问题的协同攻关，成为智能计算“之江定义”的

《高光谱遥感图像智能分类与检测》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。

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。

机器人及其系统是大数据、云计算、人工智能、物联网等新技术的融合应用，是“云-网-端”架构理念在公安领域落地的装备形态。本书围绕智能机器人关键技术，讲述了机器人实战应用技术，如安保机器人关键技术、巡逻机器人关键技术、处置机器人关键技术以及机器人指挥控制技术。本书可供从事机器人教学和科研的人员阅读参考。

机器人及其系统是大数据、云计算、人工智能、物联网等新技术的融合应用，是“云-网-端”架构理念在公安领域落地的装备形态。本书围绕智能机器人关键技术，讲述了机器人实战应用技术，如安保机器人关键技术、巡逻机器人关键技术、处置机器人关键技术以及机器人指挥控制技术。本书可供从事机器人教学和科研的人员阅读参考。

机器人及其系统是大数据、云计算、人工智能、物联网等新技术的融合应用，是“云-网-端”架构理念在公安领域落地的装备形态。本书围绕智能机器人关键技术，讲述了机器人实战应用技术，如安保机器人关键技术、巡逻机器人关键技术、处置机器人关键技术以及机器人指挥控制技术。本书可供从事机器人教学和科研的人员阅读参考。

本书作者GabrielHallevy提出并阐述了一个关于人工智能技术和机器人刑事责任的总体理论，该理论涉及到法律的方方面面，涵盖了制造商、程序员、用户和其他所有相关的实体。他从现有的刑法中类推出一系列原则，提出了在不同情况下对一系列不同的自动技术所应负担的刑事责任进行研判的具体方法。

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。

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。

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。