暂缺简介...

共融机器人是能够与作业环境、人和其他机器人自然交互、自主适应复杂动态环境并协同作业的机器人。“敏锐体贴型”的自然交互是共融服务机器人的研究热点之一，业内当前迫切需要共融机器人具备理解复杂语义信息的能力。本书立足于深度学习方法的信息与知识抽取领域，从学习文本表示出发，系统地介绍了用于获取现实世界知识信息中命名实体和实体关系的方法，并深入探讨了如何在开放领域实现鲁棒的实体关系分析。 本书是国内共融机器人自然交互领域第一本系统介绍深度学习的命名实体识别和关系抽取的专业书籍，可为读者掌握共融机器人研究领域信息与知识抽取的关键技术和基础知识，追踪该领域的发展前沿提供参考，适合人工智能科学与技术、人工智能等专业的学生及相关研究者阅读。

《人工智能驱动的机制设计（英文版）》结合人工智能相关技术与机制设计理论，提出人工智能驱动的机制设计框架，以提供一种替代方法来处理目前机制设计理论与实践中的一些问题。该框架包含两个互相交互的抽象模型：智能体模型和机制模型。结合人工智能与机制设计，我们可以解决利用单一领域技术无法解决的问题。例如，我们可以极大缩小机制搜索空间，构建更现实的买家模型，以及更好地平衡各类目标。我们从多物品拍卖，动态拍卖，以及多目标拍卖三个场景入手，分析并说明该框架对理论与实践均有帮助。

《巧用ChatGPT高效搞定Excel数据分析》以Excel 2021办公软件为操作平台，创新地借助当下最热门的AI工具——ChatGPT，来学习Excel数据处理与数据分析的相关方法、技巧及实战应用，同时也向读者分享在ChatGPT的帮助下进行数据分析的思路和经验。全书共10章，分别介绍了在ChatGPT的帮助下，使用Excel在数据分析中的应用、建立数据库、数据清洗与加工、计算数据、简单分析数据、图表分析、数据透视表分析、数据工具分析、数据结果展示，最后通过行业案例，将之前学习的数据分析知识融会贯通，应用于实际工作中，帮助读者迅速掌握多项数据分析的实战技能。《巧用ChatGPT高效搞定Excel数据分析》内容循序渐进，章节内容安排合理，案例丰富翔实，适合零基础想快速掌握数据分析技能的读者学习，可以作为期望提高数据分析操作技能水平、积累和丰富实操经验的商务人员的案头参考书，也可以作为各大、中专职业院校，以及计算机培训班的相关专业的教学参考用书。

本书基于Python语言，结合实际的数据集，介绍了机器学习算法以及数据分析方法的应用。本书主要包含两部分内容，第一部分为Python机器学习入门知识：主要介绍了Python的基础内容、Numpy与Pandas库数据操作、Matplotlib与Seaborn库数据可视化、Sklearn库机器学习，以及与机器学习相关的基础知识；第二部分为Python机器学习算法应用：主要介绍了数据的回归预测分析、时间序列预测，数据无监督学习中的聚类、降维以及关联规则，数据分类模型的应用以及针对文本数据与网络图数据的机器学习算法应用。 本书适合对机器学习、数据分析感兴趣的初学者学习，也可作为Python机器学习、数据分析、数据可视化的入门及进阶的教材。

作为元宇宙时代的营销指南，本书以“人、货、场”模型为底层架构，基于元宇宙营销的 本质与未来发展趋势，结合大量品牌元宇宙实践案例，梳理了企业进军元宇宙的路径与步骤； 按照“取势、明道、优术”的商业逻辑，系统地阐述了元宇宙为何兴起、如何落地、如何赋能 实体经济和如何助力品牌破圈。 第1章带领读者开启元宇宙之旅，探讨元宇宙对传统营销“人、货、场”的重构；第2章 讨论元宇宙营销之“货”——从IP的视角重新定义数字藏品；第3章讨论元宇宙营销之“人”—— 从DAO的视角重新定义数字分身；第4章讨论元宇宙营销之“场”——从社区的视角重新定义 虚拟场景。 本书可供企业经营管理者和营销人员、电商、平台、直播带货主播阅读参考。

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。

本书首先从工业要素、工业品研发生产制造过程等维度对新工业进行解读，指出知识工程、工业软件在新工业发展中的作用。基于对知识金字塔模型（DIKW模型）的研究与发展，提出知识工程体系与成熟度模型。在此基础上，进一步介绍支撑知识工程体系建设的技术与实施方法论。还通过不同行业典型案例的介绍，展示企业在知识工程实施过程中如何开展知识体系的设计，并逐步落地。

模式识别和机器学习是人工智能应用的基础。本书将模式识别任务按照监督学习和无监督学习两种方式进行组织。第1章讨论模式识别和机器学习的内在关系，介绍了两者的基础知识和模式识别的设计过程。第2章和第3章介绍了zui优化的和常规的基于实例的分类问题。第4~6章检验了参数的、非参数的和函数逼近的分类规则。之后在第7章和第8章就分类的误差估计和模型选择对分类模型的性能进行讨论。第9章介绍了能够提高分类模型的性能并减少存储空间的降维技术。第10章和第11章分别介绍了聚类分析技术和回归模型。本书适合相关专业高年级本科生和研究生，以及该领域的从业人员阅读。

在《强化学习与机器人控制》一书中，专家团队不仅简洁明了地描述了人机交互控制方案，还深入介绍了新颖的无模型强化学习控制器。本书首先简述更先进的人机交互控制方案和强化学习，然后讲解典型的环境模型，最后介绍一些更著名的参数估计识别技术。《强化学习与机器人控制》提供了严谨的数学推理和演示，这有助于读者理解控制方案和算法。书中还描述了人机交互控制和基于强化学习控制的稳定性和收敛性分析。另外，还讨论了一些前沿话题，如逆运动学和速度运动学解决方案、神经控制以及机器人领域未来可能的发展趋势。● 全面介绍基于模型的人机交互控制● 详细研究基于欧拉角的无模型人机交互控制和“人机回圈”机制控制● 实际讨论机器人位置和力控制的强化学习以及机器人力控制的连续时间强化学习● 深入研究使用强化学习来控制最坏情况下不确定性的机器人，并使用多智能体强化学习对冗余机器人进行控制