介绍它们的操作方法，包括手动示教、离线编程、计算机控制等。介绍了机器人传感器以及机器人工作站和生产线等高级应用内容。本书以FANUC（发那科）工业机器人为例，介绍了工业机器人的系统组成、坐标系设置、输入/输出信号分类与控制、常用功能设定与调校、在线示教编程方法、应用ROBOGUIDE软件的虚拟仿真建模及虚拟示教编程等内容。全书融理论讲解与实践操作于一体，内容翔实、图文并茂。

本书基于FANUC工业机器人，从机器人应用过程中需掌握的技能出发，由浅入深、循序渐进地介绍了FANUC机器人入门实用知识。从安全操作注意事项切入，配合丰富的实物图片，系统地介绍了FANUC工业机器人首次拆箱安装、示教器和机器人示教、手动操纵机器人、工具及用户坐标系的定义及建立、I/O及配置、指令与编程、离线仿真等实用内容。基于具体案例，结合离线仿真讲解了机器人系统的编程、调试、自动生产的过程。通过学习本书，读者对工业机器人使用会有一个全面清晰的认识。

本书基于IRB120工业机器人编写，采用碎片化教学方式，将ABB工业机器人知识体系分解细化，对ABB工业机器人知识要点做了针对性解析，并配以详细的操作步骤。全书以工业机器人组成为切入点，系统地介绍了ABB工业机器人的主要技术参数、手动操纵方法、坐标系定义流程、I/O配置过程、程序编辑步骤、手动调试技巧以及示教器常用操作等核心内容，同时针对实际使用中常用的指令进行详细的讲解。通过学习本书，读者能够熟练掌握ABB工业机器人的基本操作，对其知识体系具有全面认识。

本书为工业机器人技术人才培养提供了解决方案，针对中职、高职以及本科的全日制人才培养，阐述了机器人专业人才的培养目标、素质培养与知识结构、课程规划与教学安排、专业核心课程描述、专业建设条件和毕业考核标准，通过基础课程、专业课程和实训课程相结合，加强学生专业知识和职业技能的培养，旨在促进学生综合职业能力的发展；针对工业机器人应用工程师和工业机器人系统集成工程师的中、短期人才培养需求，重点培养相关工作岗位所必备的职业技术能力，适用于职业院校工业机器人技术专业的学生以及希望从事工业机器人技术相关工作的社会技术人员进行职业技能培训。

本书基于ABB工业机器人，从机器人应用中需掌握的技能出发，由浅入深、循序渐进地介绍了ABB机器人编程及操作知识。其内容从安全操作注意事项切入，配合丰富的实物图片，系统介绍了ABB IRB 120工业机器人基本知识、示教器、手动操纵机器人、零点校准、工具及工件坐标系定义、IO配置及相关应用、指令与编程、离线仿真等。基于实际项目案例，深入解剖各个实训项目，灵活分配指令及任务，让读者学的充实，学的轻松，易于接受。最后简单介绍了离线仿真知识，讲解了机器人虚拟系统的创建、编程及调试。通过学习本书，读者对机器人的编程及操作会更加熟悉，理解更深刻。

本书面向人工心理和情感机器人等前沿领域，讨论了情感机器人表情控制和机械结构设计的理论、技术及其应用的若干方面，主要包括机器人的起源及发展、机械头及身躯设计、表情控制模式、电动机控制、机器视觉、人机交互与合作、软件集成、数据库及知识库技术、情感模型与机器学习等方面的研究理论、技术与应用方法，取材新颖，内容深入浅出、材料丰富，理论与实际紧密联系，具有较好的创新性和学术参考价值。

我们跟随着人工智能发展的脚步正走向第四次工业革命的浪潮之巅。 在这本书中，作者别出心裁地从文学、哲学和计算机科学三个方向探索了人工智能。他打开历史的时光隧道，带我们回到到旧石器时代，探索人类祖先心智的演化过程。接着又转向心灵哲学和神经科学，追随着柏拉图、亚里士多德等先贤的脚步研究他们对于心智的理解。随后通过回顾计算机技术史，展望未来计算机发展的无限可能。书中援引了大量文化艺术作品，从古代神话到文学经典再到今天的科幻大片，帮助我们理解从古至今文化艺术中的故事是如何起源的，它们和我们当下的认知系统还有人工智能之间存在什么联系。 人工智能思想从何而来，又会把人类引导向何方？ 西方文明在多大程度上影响了我们对于人工智能的理解？ 计算机离获得自我意识还有多远，一旦他们获得自我意识会发生什么？ …… 这本书用一种全新的、更为浪漫的方式审视人工智能，让我们得以在庞大的信息洪流中，静心凝神跟着作者的思路以历史视角探究心智起源，寻找文学叙事、哲学与科技之间的紧密连接，人工智能发展的商业价值，以及人工智能带来的社会伦理、道德、法律层面的问题。这些都是我们作为数字时代的公民不可缺少的一课。

人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置，帮助读者更加顺利地进行程序开发。本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读，读者无需具备Java编程知识，也无需提前了解神经网络的相关概念。本书将从零开始为读者进行由浅入深地讲解。

近年来，机器学习领域受到越来越多的关注，相关的机器学习算法开始成为热点。本书专门介绍了有关机器学习的内容，全书共分3部分：第1部分是数据科学和Microsoft Azure Machine Learning导论，介绍了数据科学和Microsoft Azure Machine Learning的基本知识以及需要用到的语言的基本知识；第二部分是统计学和机器学习算法，系统地讲解了统计学和机器学习的相关算法；第三部分是实用应用程序，这一部分介绍了新的微软Azure机器学习服务，讲解如何高效构建和部署预测模型，还讲解了如何解决倾向建模、产品推荐等实用技能。本书可供数据科学、商业分析和商业智能领域的开发人员，对机器学习感兴趣的开发者阅读。

理论结果表明，为了学习用于表示高层次的抽象（例如视觉、语言以及其他AI级别的任务）的复杂函数，我们需要深度结构。深度结构的组成包括了多层次的非线性操作，比如具有许多隐含层的神经网络，或者重用了许多子公式的复杂命题公式。搜索深度结构的参数空间是一件很困难的任务，但是近提出的诸如用于深度信念网络等的学习算法，对于探索这类问题取得了显著的成功，在某些领域达到了新的水平。本书讨论深度学习算法的方法和原理，尤其是那些被充分用作基石的单层模型的非监督学习算法例如受限玻尔兹曼机（RBM），它用于构建深度信念网络等深度模型。