暂缺简介...

暂缺简介...

工业机器人作为一种高科技集成装备，对专业人才有着多层次的需求。 本书根据机器人行业发展趋势，从生产实际出发，详细讲解了工业机器人的应用基础、ABB工业机器人的操作、工业机器人的调整与保养等内容。本书实用性与可参考性强，可为从事工业机器人编程、操作、维护相关工作的工程技术人员提供帮助，也可供高等院校机电专业、机器人专业的师生学习参考。

从本书第一版出版以来，一直好评如潮，被国外许多大学选作自然语言处理或计算语言学的教材，被认为该领域教材的“黄金标准”。本书第一版综合了自然语言处理、计算语言学和语音识别的内容，全面论述计算机自然语言处理，深入探讨计算机处理自然语言的词汇、句法、语义、语用等各个方面的问题，介绍了自然语言处理的各种现代技术。该版对于第一版做了全面的改写，增加了大量反映自然语言处理*新成就的内容，特别是增加了语音处理和统计技术方面的内容，全书面貌为之一新。本书四大特色： 覆盖全面 强调实用 注重评测 语料为本内容简介本书全面论述了自然语言处理技术。本书在第一版的基础上增加了自然语言处理的*新成就，特别是增加了语音处理和统计技术方面的内容，全书面貌为之一新。本书共分五个部分。第一部分“词汇的计算机处理”，讲述单词的计算机处理，包括单词切分、单词的形态学、*小编辑距离、词类，以及单词计算机处理的各种算法，包括正则表达式、有限状态自动机、有限状态转录机、N元语法模型、隐马尔可夫模型、*大熵模型等。第二部分“语音的计算机处理”，介绍语音学、语音合成、语音自动识别以及计算音系学。第三部分“句法的计算机处理”，介绍英语的形式语法，讲述句法剖析的主要算法，包括CKY剖析算法、Earley剖析算法、统计剖析，并介绍合一与类型特征结构、Chomsky层级分类、抽吸引理等分析工具。第四部分“语义和语用的计算机处理”，介绍语义的各种表示方法、计算语义学、词汇语义学、计算词汇语义学，并介绍同指、连贯等计算机话语分析问题。第五部分“应用”，讲述信息抽取、问答系统、自动文摘、对话和会话智能代理、机器翻译等自然语言处理的应用技术。本书写作风格深入浅出，实例丰富，引人入胜。本书可作为高等学校自然语言处理或计算语言学的本科生和研究生的教材，也可以作为从事人工智能、自然语言处理等领域的研究人员和技术人员的必备参考。

人工智能快速发展，已经进入寻常百姓的日常生活，主要国家都将人工智能的发展作为占领世界科技制高点的关键政策与措施。它不仅是一种技术，而且是一个技术集群；它不仅是一门科学，而且是一个系统的理念，“将给人们的生产方式和生活方式带来革命性的变化”。把人们带入“人类命运共同体”的新时代。本书介绍了什么是人工智能及其由来，解答了它不可能“终结人类”等种种疑惑；介绍了人工智能的发展、现状和未来，提出了人工智能目前能代替什么，而不能代替什么；阐述了我国发展人工智能*应解决的问题，以实例说明每个人应如何在日常生活中利用人工智能。本书可作为人工智能的普及读物，适合对人工智能感兴趣的广大读者，也可作为学校、企业和政府相关部门的各级人员的参考读物。

本书是“十三五”职业院校工业机器人专业新形态规划教材之一，主要内容包括：机械CAD/CAM简介、典型零件建模、工业机器人本体设计、典型部件装配体、工程图创建、工业机器人零部件运动仿真。本书突出SolidWorks2016软件知识和工业机器人及相关设备零部件实例相结合，由浅入深、循序渐进地讲解从基础零件建模到复杂部件装配、零件与装配体生成工程图等，实例紧密联系工业机器人应用系统设备，具有较强的专业性和实用性。本书可作为职业院校工业机器人相关专业的教材，也可供具有一定SolidWorks软件应用技能的人员参考，还可作为职业技能培训用书。

本书结合实际应用介绍神经网络和深度学习等技术领域相关信息，从结构上重点介绍了前馈型神经网络、反馈型神经网络，以及自组织竞争型神经网络，并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归）神经网络、深度信念网络、生成对抗网络，以及深度强化学习。本书不仅能让读者对当前神经网络和深度学习技术有体系的认知，更能让读者在人工智能领域进行一些深入思考。

深度学习：基于Matlab的设计实例 本书共包含6章内容，可以分为3个主题。书中例子均用MATLAB编写而成。 第1个主题是机器学习。深度学习起源于机器学习，这意味着如果想要理解深度学习的本质，就必须在某种程度上知道机器学习背后的理念。第1章从机器学习与深度学习的关系开始讲起，随后是解决问题的策略和机器学习的基本局限性。 第2个主题是人工神经网络这是第2~4章的重点内容。由于深度学习就是采用一种神经网络的机器学习，所以不能将神经网络与深度学习分开。第2章从神经网络的基本概念讲起：它的工作原理、体系结构和学习规则，也讲到了神经网络由简单的单层结构演化为复杂的多层结构的原因。第3章介绍了反向传播算法，它是神经网络中一种重要和典型的学习规则，深度学习也使用这种算法。本章解释了代价函数和学习规则是如何联系起来的，哪一种代价函数在深度学习中被广泛使用。第4章介绍了将神经网络应用到分类问题中的方法。其中单列一节专门讲分类，因为它是目前流行的一种深度学习应用。例如图像识别是一个分类问题，也是深度学习的一种主要应用。 第3个主题是深度学习，也是本书的重点，将在第5章和第6章中讲解。第5章介绍了使深度学习能够产生卓越性能的驱动因素。第6章讲解了卷积神经网络，本章首先介绍了卷积神经网络的基本概念和结构，并与前面的图像识别算法进行了比较;随后解释了卷积层和池化层的作用和运算方法，它们是卷积神经网络的重要组成部分。第6章也包含了一个用卷积神经网络进行数字图像识别的例子，并研究了图像通过各层的演化过程。

人机工程学是工业设计、机械设计、环境设计、交互设计等专业重要的基础课。通过这门课程，读者需要了解 人机工程学的基础知识，理解与产品紧密关联的人的因素，掌握各种形式的人机工程设计的基本内容、原理和方法。《人机工程学》共分 7 章，第 1 章介绍人机工程学的含义、发展、范畴、方法及其与 “ 以人为本 ” 设计理念之间的关系； 第 2 章介绍作为设计依据的人体系统、人体尺度、感觉及其特性、知觉及其特性、人的信息处理机制、情绪与情感、 运动器官及其特性、个体作业行为等方面的人因；第 3 ～ 6 章分别介绍人机界面设计 （ 包括信息显示、操纵控制、 计算机交互 ） 、作业器具设计、作业空间设计、作业环境设计等各领域的人机工程设计的内容和方法；第 7 章则从总体上介绍运用系统工程的观点和方法进行人机工程设计的原理与程序。《人机工程学》结构合理，内容丰富，不仅可以作为高等院校工业设计和产品设计专业的教材使用，而且可供其他相关专业及广大从事工业产品设计的人员阅读参考。

人工智能为什么备受瞩目？随着电脑和网络的飞速发展，信息处理变得越来越容易，云计算、物联网、机器人等IT相关的*新技术，进一步发挥其优势。机器学习、自然语言处理、以图像和语音识别为基础的人工智能技术得到广泛得应用。本书通过国内外50例以上的案例阐述人工智能技术的应用，囊括了世界各大公司的前沿技术。本书将为人工智能领域IT技术人员、经营企划人员、创业和管理人员提供重要参考。