mBot机器人是一款由创客工场（Makeblock） 推出的金属机器人积木套装，该套装将Scratch图形化编程工具与机器人金属积木结合到一起，可以使用mBlock 设计程序，驱动与Arduino 电路板兼容的传感器，从而灵活控制mBot机器人。本书中提供了丰富的Scratch 与mBlock 兼容设计案例、mBot机器人动手实作案例及启发思维的延伸练习，让每个人在使用mBot机器人时，能够同时体验机器人控制、程序设计与Arduino电子电路相结合的学习方法。本书适合图形化编程初学者以及智能机器人控制感兴趣的学习者阅读，也适合有一定图形化编程基础想要进阶学习软硬件结合技术的学习者阅读，更是mBot机器人玩家的必备手册。

《证据推理、置信规则库与复杂系统建模》在对D—S证据理论回顾的基础上，对证据推理基本理论进行了详细的分析，主要包括证据推理方法、基于区间不确定性的证据推理方法、基于概率和模糊不确定性的证据推理方法、证据推理规则；进一步对基于证据推理的置信规则库基本理论进行了深入细致的讨论，主要包括基于证据推理的置信规则库参数离线训练方法、专家干预下置信规则库专家系统参数在线更新方法、基于证据推理的置信规则库在线构造方法和置信规则库前提属性参考值确定方法等内容；最后从多个角度对证据推理和置信规则库在工程实际中的应用进行了全面的介绍，包括证据推理和置信规则库在非平稳时间序列预测、系统行为预测、故障预测、寿命评估、分类问题和医学决策等领域中的应用。《证据推理、置信规则库与复杂系统建模》可供从事推理、专家系统相关专业科研人员和工程技术人员阅读参考，也可作为人工智能、复杂系统建模、系统工程等专业的研究生教材。

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《TensorFlow：实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以更快、更有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《TensorFlow：实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验，是走进这个更新、更火的人工智能领域的推荐参考书。

Google近日发布了TensorFlow 1.0候选版，这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold，以及数不胜数的经典模型在TensorFlow上的实现（Inception Net、SyntaxNet等）。在这一年多时间，TensorFlow已从初入深度学习框架大战的新星，成为了几近垄断的行业事实标准。 《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning（Policy Network、Value Network）。此外，《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。

《机器人控制技术》系统、深入地介绍了机器人控制的关键技术、方法以及实际应用。全书共8章，内容包括机器人的机械、机器人的硬件、机器人的电源系统、机器人的信息获取、机器视觉、机器人的底层控制、机器人的空间坐标变换、机器人运动学建模、动力学建模、机器人的路径规划以及机器人的操作系统ROS。本书内容新颖，注重理论与实际应用相结合，每个章节基本配有实例，力求使读者能较快地掌握与应用机器人的控制技术。本书可作为高等院校自动化、机械工程、机电一体化、系统工程、信息工程、计算机等相关专业本科生、研究生教材，也可以作为工程技术人员与科研工作者的参考书。

本书跨越心理学、机器人学、计算机科学和神经医学等众多领域，全面且系统地论述了发展型机器人学的理论基础和研究动态。全书共9章，首先介绍基本原则和主要实验平台，随后结合儿童发展心理学理论，通过实验详细探讨了内在动机、运动技能和早期语言等机器人行为及认知功能的建模和实现，后展望了未来的研究方向。本书旨在为跨学科的发展型机器人研究者提供帮助，也可作为高等院校机器人相关研究方向的教学用书。

《未知环境下智能机器人自主导航定位方法与应用》以智能机器人自主导航定位技术的理论和方法作为研究内容展开论述。《未知环境下智能机器人自主导航定位方法与应用》共分九章，主要包括六方面内容：智能机器人与SLAM问题描述、环境特征提取、EKF—SLAM改进方法、FastSLAM改进方法、数据关联改进方法及智能机器人研究展望。全书以移动机器人为主线，系统地展现了SLAM技术内涵、环境特征表示、环境特征提取、EKF—SLAM、FastSLAM、数据关联等机器人导航定位研究的基础理论，并依据国际标准数据库和仿真实验，给出了相应各改进算法的验证结论。之后，作为SLAM技术研究的延伸和扩展，《未知环境下智能机器人自主导航定位方法与应用》阐述了自主水下航行器特定环境下、特有传感器、特殊的海试数据基础上的SLAM关键技术的各项研究成果。全书学术思想较新颖、研究内容较经济改革翔实，理论实际结合较紧密，可读性较强。

文本作者身份识别广泛应用于文学作品、新闻稿、商品评论、垃圾邮件的作者身份鉴定以及法庭取证等领域。随着大数据时代网络文本的大量涌现，匿名文本的作者身份识别在网络取证、不良舆情监控等任务中的应用成为国内外学者关注的热点。本书探讨了文本作者身份识别的关键问题、基本方法和*研究进展，并应用于实践得以验证。全书共7章，分为3部分： 第1部分包括第1~2章，介绍文本作者身份识别的基本概念、研究内容、建模基本方法和主要应用领域； 第2部分包括第3~4章，介绍现有的作者身份文体特征、作者身份识别算法、性能评价指标、主要实验平台等； 第3部分包括第5~7章，介绍本书对作者身份识别研究的贡献和在中英文博客、微博语料上的实验验证。本书主要面向文本挖掘领域的研究生和相关专业的研究人员，既可以作为文本分析与处理研究的教科书，也可以作为政府相关部门产品研发人员的参考书。

（1） 本书内容全面，详细介绍了经典自动控制理论、状态空间控制理论、离散数字系统控制理论技术和非线性系统分析的基本知识。整本书结构清晰明了、内容丰富，融会贯通了由基本概念到实际应用的思想。本书浅显易懂，数学理论分析过程翔实， 读者只需要一定的微分方程、线性代数和拉普拉斯变换基础就可以理解其中的知识，可以作为大多数高校的教材。（2） 每章的结构安排清晰合理。每章的简介（Introduction）部分都提纲挈领地给出了章节的知识背景和控制要求，以及章节的主要内容结构分布。在每章的各个小节，作者首先详细介绍各种理论、技术，紧接着给出翔实的例子，避免了读者局限于抽象的理论。而每章末尾对关键的知识点及时地进行了小结，有助于加深读者对所学知识的了解，形成完整的知识理论体系。（3） 本书较早地引入了MATLAB的使用，并且在大量的实例中对使用MATLAB进行了分析。关键的例子在书本中提供了具体代码，读者可以轻松地在MATLAB中进行模仿练习。因此建议读者结合MATLAB学习，有利于快速培养起分析和设计控制系统的能力。

本书系统地阐述了人工智能的基本原理、实现技术及其应用，全面地反映了国内外人工智能研究领域的*进展和发展方向。全书共19章，分为4个部分： 第1部分是搜索与问题求解，用8章的篇幅系统地叙述了人工智能中各种搜索方法求解的原理和方法，内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等；第2部分为知识与推理，用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术，还包括非经典逻辑推理技术和非协调逻辑推理技术；第3部分为学习与发现，用3章的篇幅讨论传统的机器学习算法、神经网络学习算法、数据挖掘和知识发现技术；第4部分为领域应用，用3章分别讨论专家系统开发技术和自然语言处理原理和方法。 这些内容能够使读者对人工智能的基本概念和人工智能系统的构造方法有一个比较清楚的认识，对人工智能研究领域里的*成果有所了解。 本书强调先进性、实用性和可读性，可作为计算机、信息处理、自动化和电信等IT相关专业的高年级本科生和研究生学习人工智能的教材，也可供从事计算机科学研究、开发和应用的教学和科研人员参考。