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问题之一。当前迫切需要机器人与人具有交互对话意图的理解能力。《面向共融机器人的自然交互：人机对话意图理解》立足基于深度学习方法的人机理解领域，从人机对话意图理解出发，系统介绍了人机对话中的意图识别、未知意图检测和新意图发现的方法。《面向共融机器人的自然交互：人机对话意图理解》是国内共融机器人自然交互领域一本系统介绍交互对话意图分析的专业书籍，可为读者提供共融机器人研究领域人机对话意图分析的关键技术和基础知识，追踪该领域的发展前沿提供重要的学习和研究参考。

本书主要内容包括智能产品技术（智能产品认知、云计算、物联网、大数据、人工智能、5G通讯等）、智能产品设计（市场调研分析、互联网思维与产品设计、制定市场方案）、智能产品项目管理（产品采购、风险管理、时间管理、成本管理）、智能产品营销（智能产品广告策划、智能产品攻关策划、智能产品销售渠道）、智能产品售后及服务管理，全书提供了丰富的案例实践，涵盖智能产品的多个环节，是对全产品线非技术岗位的一次提升。本书主要适用于以智能产品线非技术岗位为工作目标的学生。

本书以耳熟能详的人物——哪吒作为主线介绍人工智能中的自然语言处理、计算机视觉、音视频处理、图像处理等基础知识，并通过大量生活中的典型案例，帮助读者了解如何利用人工智能解决生活中的实际问题。

人工智能时代已经来临，航空航天作为****早的信息科技产业应用技术领域之一，迫切需要开设人工智能技术及其在航空航天领域应用的课程，为人工智能在航空航天领域人才的培养、学科的发展提供条件。本书重点介绍了人工智能是什么、人工智能在航空航天领域能做什么，选取线性回归、逻辑回归、神经网络、聚类、降维、异常检测、深度学习、强化学习，结合人工智能在航空航天领域应用的案例解释人工智能的应用，以点带面，传授人工智能的基本知识、人工智能的算法理论及其应用方式。本书适用于航空航天、机械专业本科生和研究生的专业学习，也可供有关科研人员参考。

本书由来自日本的三位机器人专家撰写，主要讲解仿人机器人的分析、设计和控制中使用的模型。首先介绍仿人机器人领域的发展历史，总结当前的先进成果。接下来介绍运动学、静力学和动力学相关的理论基础，并对双足平衡控制方法进行了综述。然后讨论多指手机器人、双臂机器人和多机器人系统的协作物体操作的模型和控制算法。之后介绍仿人机器人的运动生成和控制，以及这些技术的应用。后介绍仿真环境，并提供使用基于MATLAB的模拟器进行动力学仿真的详细步骤。本书要求读者具备一定的背景知识，适合进阶阶段的研究人员阅读。

本书重点阐述机器人系统动力学和控制的基本原理，并展示了如何计算和使用分析工具（如matlab、mathematica和maple）来进行机器人系统设计。

人工智能从狭义来说，是人类智能的人工实现；而从广义来理解，可以认为是智能体的人工实现。因此，它包含两层意思，一是有智能的学习，二是有人的参与和实现。进入21 世纪，尤其是2012年以后，人工智能研究有了突破性进展，即人工智能形成了大量具有优异性能的应用级产品，在产业界备受关注，且渗透到了较以往更为广泛的其他领域中，其中起主导作用的是神经网络研究的再次兴起。在一波人工智能热潮中，智能博弈、无人驾驶汽车、人工智能助理、语音识别、自然语言理解等都取得了飞速发展，对工业界产生了巨大影响。同时，脑科学、神经科学、认知科学的研就也不同程度的与人工智能学科研究形成交叉融合。人工智能研究已经成为持续热点，得到了学术界、工业界和资本界的广泛关注。为了对人工智能学科的发展方向作出比较准确的预见和把握，助力人工智能学科的发展，中国人工智能学科会组织学界专家对本学科的现状和趋势进行了科学严谨地研究，撰写了这部《人工智能学科路线图》。

本书系统地阐述了机器人视觉工作的原理、分析方法、技术和应用。全书内容主要分两大部分，第一部分是“基础篇”，对MATLAB在图像视频处理的特点以及基本知识进行了阐述，从图形绘制层层深入MATLAB的二维和三维图像绘制功能，并介绍了科学计算可视化的相关知识；第二部分是“机器人视觉处理技术”，详细介绍了机器人视觉的发展与当前技术上的关键点，以及图像表示和描述、图像分割、增强、融合与模式识别等方面的知识，并给出机器人视觉处理应用的实例。

本书向你展示了如何使用机器学习模型从图像中提取信息。ML工程师和数据科学家将学习成熟的ML技术来解决各种图像问题，包括分类、物体检测、自动编码器、图像生成、计数和字幕。本书很好地介绍了端到端的深度学习：创建数据集、数据预处理、模型设计、模型训练、评估、部署和可解释性。Google工程师Valliappa Lakshmanan、Martin G？rner、Ryan Gillard为你展示了如何开发精准且可解释的计算机视觉ML模型，并使用强大的ML架构以灵活且可维护的方式将其投入大规模生产。 你将学习如何使用TensorFlow和Keras编写的模型进行设计、训练、评估和预测。

《基于人工智能的故障诊断方法》结合轴承振动信号的固有特性，弥补传统智能诊断方法的不足，以深度学习、迁移学习、流形学习等人工智能技术为核心，面向海量轴承振动监测信号，提出一种新的智能诊断研究框架，主要围绕“监测信号标注困难”“工况交替多变”和“噪声干扰”等的不同应用需求，着重从深度聚类框架设计、跨域故障诊断模型构建、目标函数构造、度量函数设计、中心判别损失正则项设计，以及相关对齐时目标熵最小性质证明等几个方面展开研究，探索很大程度避免人工参与且具有较强领域自适应能力的智能诊断解决方案。《基于人工智能的故障诊断方法》适合制造业的研究人员和工程技术人员参考阅读，也适合作为高等学校计算机、人工智能、智能制造等专业的研究生教学用书。