群体智能优化算法作为解决复杂优化问题的有力工具近年来获得了较大的发展，业已成为智能计算领域的研究热点之一。《多目标群体智能优化算法/新一代人工智能系列丛书》比较全面地介绍了多目标优化问题和群体智能优化算法的研究现状和发展趋势，讨论了多目标优化方法的基本知识和基本原理；探讨了多目标优化方法的性能度量方法和基准的多目标优化测试函数集，并分类阐述了几种多目标烟花爆炸算法、多目标萤火虫算法、多目标粒子群算法和多目标进化算法的设计过程，包括算法的算子、算法流程、实验方案和实验结果与分析等。《多目标群体智能优化算法/新一代人工智能系列丛书》可作为计算机、人工智能和其他相关专业高年级本科生、硕士研究生、博士研究生，以及多目标群智能算法的爱好者和相关从业者进行学习和研究的参考书。

计算智能是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而被设计出的一类算法的统称。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段，引起了国内外学者的广泛重视并掀起了研究热潮。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。本书在归纳近年来计算智能研究成果的基础上，系统且详细地介绍了计算智能中较为典型的9种算法——人工神经网络、遗传算法、蚁群算法、人工免疫算法、粒子群优化算法、人工蜂群算法、生物地理学优化算法、多目标优化算法以及约束优化算法，并给出了各个算法基于MATLAB软件的仿真实现过程和在信号与通信领域的应用实例，这使本书知识点的讲解通俗易懂、直观生动，易于读者快速掌握。本书可作为高等学校信号与信息处理、计算机应用技术、人工智能、模式识别与智能系统、自动化等专业本科生和研究生的教材，也可供计算智能相关领域的研究人员学习参考。

本书内容共10章。1章为绪论，包括机器视觉的相关概念，机器视觉的发展、基本任务、应用领域与困难，以及马尔视觉理论；2章为数字图像处理；3章为相机成像；4章为相机标定；5章为Shape from X；6章为双目立体视觉；7章为结构光三维视觉；8章为深度相机，介绍当前颇受欢迎的Kinect、Intel RealSense等深度相机的知识与相关应用；9章为机器学习基础；10章为机器学习在机器视觉领域的应用，包括机器学习在模式识别、图像分辨率重建、图像去噪、目标跟踪、三维重建等方面的应用。　本书除1章和9章，其他各章都配有应用案例，包括案例的分析过程、实验设置、实验数据、程序代码及运行结果。案例的编程实现采用了MATLAB、C++、Python程序设计语言，使用了OpenCV函数、MATLAB视觉与图形工具箱、Scikit-Learn机器学习工具包，以及MatConvNet、TensorFlow、Keras深度学习框架。通过讲解案例背景与原理、设计思路、实验步骤、开发环境与工具和实验结果，使读者能够根据案例理解相关内容，加强工程实际应用中理论和知识的学习。同时，本书对从事机器视觉与机器学习的科研人员和工程师也具有一定的参考作用。

以前，技术只是工程师操心的事；如今，技术是工程师、产品经理、企业家共同操心的事，他们只有通力合作才能驾驭强大的技术，进而取得商业上的成功。 如今讲人工智能的书大多属于两种类型：第一种面向广大公众进行人工智能科普；第二种针对专业技术人员详细讲解人工智能的技术。这两种书，产品经理虽然都可以阅读，但他们更迫切需要第三种——从商业的角度讲人工智能，以产品的方式让人工智能落地的书，而本书正是这种少数类型。 本书具有针对性强、系统性强、实操性强、原创度高的特点。本书共分为三篇。第一篇是基础篇，讲解技术商业的基本规律、AI技术的实质和边界、AI的商业格局和应用现状。第二篇是合格AI产品经理篇、包含合格AI产品经理的能力体系、AI技术-场景适配和AI产品规划、AI产品经理的职业发展等内容。第三篇是高级AI产品经理篇，包含高级AI产品经理的能力体系、AI技术-场景的洞察、AI商业模式设计等内容。 本书适合两类人群阅读。一是未来的人工智能产品经理，他们可能是互联网产品经理，也可能是对人工智能产品工作感兴趣的大学生、职场新人，也可能是希望转行做人工智能产品经理的技术人员。 二是对人工智能的应用、产品、商业模式感兴趣，想系统了解的人士，包括企业家、创业者等。

《Keras高级深度学习》是高级深度学习技术的综合指南，内容包括自编码器、生成对抗网络（GAN）、变分自编码器（VAE）和深度强化学习（DRL），在这些技术的推动下，AI于近期取得了令人瞩目的成就。 《Keras高级深度学习》首先对多层感知器（MLP）、卷积神经网络（CNN）和循环神经网络（RNN）进行了概述，这些是本书中介绍的更高级技术的构建模块。之后探索了包括ResNet和DenseNet在内的深度神经网络架构以及如何创建自编码器。读者将学习如何使用Keras和TensorFlow实现深度学习模型，并进一步实现其高级应用。随后，读者将会了解到有关GAN的所有知识，以及认识到其如何将AI性能提升到新的水平。在此之后，读者可快速了解VAE的实现方式，并将认识到GAN和VAE是如何具备生成数据的能力的，并且使所生成的数据对人类来说极具说服力。因此，该类方法已成为现代AI的一个巨大进步。为充分了解该系列相关先进技术，读者将会学习如何实现DRL，例如深度Q-Learning和策略梯度方法，这些方法对于AI在现代取得很多成就至关重要。 《Keras高级深度学习》适合想要深入了解深度学习高级主题的机器学习工程师，以及高等院校人工智能、数据科学、计算机科学等相关专业学生阅读。

《数据领导力：人工智能时代数据化转型的关键路径》以七个人物的经历为轴心，记录了不同行业数据化转型的历程，展现了数据化转型过程中的具体困境、经验和教训，说明了数据领导力发挥作用的场景和路径。七个人物所处行业不同、职位不同，但都在实际工作中展现了领导力，并一步步推动了数据化转型的进程。他们不仅要展现数据价值，还要影响周围的人，帮助组织接受数据化的理念，实现数据驱动流程的再造。每一步他们都有目标，都会尝试和反思，无论是成功还是失败，读者参照自己的切实场景，都能有所收获和借鉴。希望《数据领导力：人工智能时代数据化转型的关键路径》可以帮助读者跨越数据技术和商业价值之间的鸿沟，为人工智能时代的数据化转型提供切实的帮助。《数据领导力：人工智能时代数据化转型的关键路径》适合人工智能、数据分析方向的从业人员，同时也适合企业的管理者、变革者，以及对数据化转型感兴趣的大众读者。

《虚拟现实开发实训》以HTC VIVE VR开发实例为主线，由浅入深、循序渐进地介绍HTC VIVE设备在VR开发方面的完整流程。《虚拟现实开发实训》共4章，第1章为HTC VIVE开发前准备；第2章为VR虚拟博物馆；第3章为VR汽车展示；第4 章为VR虚拟实验室。《虚拟现实开发实训》以三个实例为核心，详细介绍HTC VIVE开发的基础知识，从不同角度系统地介绍VR 开发流程。

设计中易用性的运用包括控制器与显示器的对应关系以及控制器运动方向的设置，这与空间刺激-反应相容性关系密切。近年来，研究者采用Simon任务等范式研究刺激－反应相容性中的冲突控制与调节，以及这一认知过程的心理机制。随着脑科学的发展，研究者开始关注这一过程的神经机制。本书从刺激－反应联结学习与认知控制的角色出发，采用功能性磁共振成像技术，研究刺激－反应联结学习调节认知控制的神经基础，以期揭示刺激－反应相容性的内在心理机制与神经基础，为认知科学和设计学提供经验性证据。

《在线视频目标跟踪方法》系统介绍目前广泛采用的一些在线目标跟踪方法，对在线目标跟踪方法的基本思想、动机和设计进行比较全面的总结。《在线视频目标跟踪方法》具体综述基于视频目标检测的方法、基于视频目标分割的跟踪方法；并将这些方法分为不同的类型，探讨研究趋势。内容包括：两种基于视频目标检测的结构化学习的目标跟踪方法；基于视频目标检测的颜色紧凑二值特征的终身学习视频目标跟踪方法；基于视频目标分割的部件和相关滤波器的目标跟踪方法及基于语义感知的视频目标跟踪与分割方法。《在线视频目标跟踪方法》介绍这些方法的基本原理、核心步骤以及实验验证等。

真正好的设计是让人感觉不到设计痕迹的设计。声音体验设计就是实现这种好设计的魔鬼细节，本书从声音体验设计的原则与模式出发，详述了人机交互中声音的增减逻辑、品牌相关性，进一步，从声音体验设计的流程进行了深入分解，不仅包含声音体验设计的“道”，而且在“术”的层面也做了分节点的全方位介绍。本书的译者是用户体验行业资深的一线从业者，同时也有着相当深厚的文学素养，相信他翻译的这本书会带来一个关于声音的美妙旅程。