深度学习的概念源于人工神经网络的研究，它是机器学习中一种基于对数据进行表征学习的方法。本书是一本详细的、实用的深度学习实践指南。它共有8章，详细讲解了深度神经网络、Elman神经网络、Jordan神经网络、自编码器、堆叠自编码器、限制玻尔兹曼机的相关知识。本书并没有详细介绍那些深奥的数字公式，它旨在解释深度学习模型是如何工作的，让读者学会如何构建成功的深度学习模型，并将其用于数据挖掘，从而让读者迅速地学以致用，可以用深度学习构建更智能的应用。本书适合数据科学家、各领域的研究人员阅读，也适合其他对深度学习感兴趣的人士阅读。

全书共分11章，包括RBF网络的设计及分析、基于梯度下降法的RBF网络控制、简单的RBF网络自适应控制、RBF网络滑模控制、基于RBF网络逼近的自适应控制、基于RBF网络的自适应反演控制、RBF网络数字控制、离散系统的RBF网络控制及自适应RBF网络观测器的设计。每种控制方法都通过MATLAB进行了仿真分析。《电子信息与电气工程技术丛书：RBF神经网络自适应控制MATLAB仿真》各部分内容既相互联系又相互独立，读者可根据自己需要选择学习。《电子信息与电气工程技术丛书：RBF神经网络自适应控制MATLAB仿真》适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。

本书主要介绍深度学习的核心算法，以及在计算机视觉、语音识别、自然语言处理中的相关应用。本书的作者们都是业界靠前线的深度学习从业者，所以书中所写内容和业界联系紧密，所涵盖的深度学习相关知识点比较全面。本书主要讲解原理，较少贴代码。本书适合深度学习从业人士或者相关研究生作为参考资料，也可以作为入门教程来大致了解深度学习的相关前沿技术。

语音识别已经逐渐进入人们的日常生活。语音识别技术是涉及语言、计算机、数学等领域的交叉学科。《深度学习：语音识别技术实践》介绍了包括C#、Perl、Python、Java在内的多种编程语言实践，开源语音识别工具包Kaldi的使用与代码分析，深度学习的开发环境搭建，卷积神经网络，以及语音识别中常见的语言模型N元模型和依存模型等，让读者快速了解语音识别基础，掌握开发语音识别程序的算法。《深度学习：语音识别技术实践》从语音识别的基础开始讲起，并辅以翔实的案例，既适合需要具体实现语音识别的程序员使用，也适合有机器学习或语音识别基础的学生、研究者或从业者阅读。

本书从TensorFlow基础讲起，逐步深入TensorFlow进阶实战，配合项目实战案例，重点介绍了实用TensorFlow库训练卷积神经网络模型并将模型移植到服务器端、Android端和iOS端的知识。读者不但可以地学习TensorFlow库的使用，还能加深对深度卷积神经网络的理解。本书分为4篇，共13章，涵盖的主要内容有人工智能发展历程，TensorFlow基础入门，高维Tensor对象的工具函数，前馈网络，常见网络，TensorFlow数据存取，TensorFlow数据预处理，TensorFlow模型训练，TensorBoard可视化工具，中文手写字识别，移植模型到TensorFlowServing端，移植TensorFlow模型到Android端，移植TensorFlow模型到iOS端。

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系统。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。

本书内容分为三部分，部分基础知识介绍，分别介绍了MATLAB和机器人的基本知识，让读者有一个初步的认识。第二部分是建模入门，这部分以单杆机器人控制器的位置控制为例，把MATLAB/Simulink和机器人工学的基本知识通过该实例建模仿真的形式进行介绍，让读者有个初步的了解，会进行简单的建模仿真。第三部分是建模实战篇利用MATLAB仿真建模两足步行机器人，通过具体的实例，带领读者进行实战演习，完成一个全流程的建模任务，达到学懂会用的程度。本书的特点是内容浅显易懂，教会初学者怎样一步一步地用MATLAB仿真出自己想要的机器人。

《核医学图像分析》介绍基于深度学习的核医学图像智能分析技术，由图像分类、目标检测和病灶分割等内容构成。《核医学图像分析》共6章，其中，章为医学影像概述，第2章为数据分析技术综述，第3～5章分别为图像分类、目标检测和病灶分割模型构建与实验验证介绍，第6章为核医学诊断文本分析与模型构建。