《深度学习全书——公式+推导+代码+TensorFlow全程案例》共有15章，分为5部分，第一篇说明深度学习的概念，包括数理基础，特点是结合编程解题，加深读者印象，第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络，第三篇介绍CNN算法、影像应用、转移学习等，第四篇则进入自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等，最后，介绍了强化学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，当然，还有相关案例实践。

本书以实际业务场景为例，介绍自然语言处理（NLP）系统开发项目的整个生命周期——从收集数据到部署和监控模型。读者将深入理解NLP系统的开发流程，知道如何消除开发痛点，从算法、数据等方面提高NLP系统的质量。全书分为四大部分，共有11章。第一部分概述NLP技术，为全书奠定知识基础。第二部分从实战角度讲解NLP系统的开发要点，内容涉及文本分类、信息提取等。第三部分专注于NLP重点应用的垂直领域：社交媒体、电子商务、医疗行业、金融业等，并辅以Python示例。第四部分将所有知识点融会贯通，并讲解如何利用所学知识部署NLP系统。

本书涉及人工智能及信息系统相关科学理论前沿，并横跨哲学、科学史、心理学、逻辑学、语言学、数学、脑科学、人类学、计算机科学等多个学科，内容广泛、文笔简洁、思想深刻。全书共有6个章节，分别对应信息系统、智能系统、推理系统、自组织过程、经验与行为，以及社群与科学，主要讨论的是一般意义下的智能系统的特征，以具体的智能形式为例，尤其是人类智能和人工智能，厘清了许多智能理论中容易混淆的概念。其中，有关智能是一个信息系统在知识和资源相对不足时的适应能力，以及非公理逻辑等提法都是原创性的，极具启发性。

本书主要讲述了神经网络的重要概念和技术，并展示了如何使用Python来解决日常生活中常见的神经网络问题。本书包含了6个神经网络相关的项目，分别是糖尿病预测、出租车费用预测、图像分类、图像降噪、情感分析和人脸识别，这6个项目均是从头开始实现，且使用了不同的神经网络。在每个项目中，本书首先会提出问题，然后介绍解决该问题需要用到的神经网络架构，并给出选择该神经网络模型的原因，最后会使用Python语言从头实现该模型。此外，本书还介绍了机器学习和神经网络的基础知识，以及人工智能未来的发展。

本书为读者可视化地呈现了人工智能领域的知识架构、学习路线、常用教材、在线课程、学习工具和常用网站，从而全方位地为读者学习人工智能提供指引，帮助读者精准而高效地学习人工智能，达到快速入门和进阶的目的。本书内容包括7 个部分：第1 部分阐述“人工智能是什么”的问题；第2 部分解决“人工智能学什么”的问题，即要从理论基础、编程技术、专业领域知识三个层面进行人工智能的学习；第3 ～ 第5 部分为第2 部分的具体展开，描述“人工智能怎么学”的问题，即分别描述了人工智能的理论基础、编程技术、专业领域知识这三个层面该怎么学；第6 部分解决“人工智能前沿信息获取”的问题；第7 部分解决“人工智能论文写作与发表”的问题。

随着人类对太空的依赖程度越来越高，太空安全问题越来越凸显。为了解决太空安全领域出现的新问题，本书引入人工智能技术解决方案。本书分4篇，共16章。 本书研究并给出了国家太空安全概念，给出了人工智能技术在太空安全领域主要的应用方向及解决的问题；给出了人工智能技术基础理论和几个主要的发展方向；总结、整理作者的科研项目成果，给出了两个人工智能技术解决太空安全问题的实例，包括人工智能算法在空间碎片轨道预报中的应用、人工智能算法在基于航天信息的舰船活动规律分析中的应用等。 本书适合太空安全工程研究和技术应用领域专业人员参考，也可作为高校相关专业研究生教材和教学参考书。

本书根据《普通高等学校工程图学课程教学基本要求》（2019版）编写。适宜作为本科院校工科、理科专业“工程制图”课程教材，以及高职、高专院校的工程制图教材，同时也可作为自学考试参考书。全书共分为13章，全部采用现行的国家标准和有关的行业标准。本书在编写中，考虑到计算机技术发展，尽量做到少而精，采用图、表等表达方式，增加了重点提示和知识拓展内容，计算机绘图部分突出了AutoCAD绘图软件的应用，配套了3D识图教学资源。读者可按不同专业和学时数的要求，对内容进行灵活取舍和组合。

本书对传统制造企业实施制造服务过程中涉及的理论与方法做了全面分析与介绍，为传统制造企业实施制造服务提供方法学指导。主要内容包括智能制造服务国内外研究现状分析、企业现代制造服务发展模式、企业现代制造服务过程实施方法学、企业制造服务实施过程建模方法、企业制造服务实施过程建模方法、复杂产品MRO服务优化调度技术、复杂产品远程监控与故障诊断技术、制造服务生命周期信息集成技术、企业制造服务系统实施评价和案例分析等。本书主要材料来源于本人主持的国家科技支撑计划项目 “基于全生命周期的高端重型装备制造服务系统关键技术研究与应用””（No.2015BAF32B04，2015.4-2017.12）的主要研究成果。

本书立足当今的数字时代发展特征，运用基于系统方法的思想，以独特的视角提出了人工智能（AI）和数字系统工程融合发展的概览趋势，启发人们理解人工智能对社会进步、工程创新实践的预示性意义。本书研究涉及商业、工业、政府、军队甚至学术领域等领域中人工智能普适性应用的基本范式，响应基于模型的系统工程（MBSE）的应用范式，针对系统中AI技术的实现，提出了设计、评估、证实和集成（DEJI）的系统工程流程模型。 \n本书特别适合于从事复杂组织体系研究的学者以及复杂体系工程开发、运行和验证的架构师、系统工程师等从业者使用，亦可作为系统工程大学教育的专业课程教材，同时还可供从事其他专业扩展人工智能交叉融合应用的人员使用。 \n

《哈密顿力学理论的形式化与机器人动力学形式化分析》系统深入地研究了辛几何理论、哈密顿动力学的公理化体系，并以四自由度串联机器人为例，研究了基于哈密顿动力学系统的形式化分析与验证方法的应用，为机器人动力学的安全设计提供了形式化验证理论和技术手段。《哈密顿力学理论的形式化与机器人动力学形式化分析》主要内容包括：哈密顿模型的几何基础——辛流形空间的形式化、哈密顿模型和拉格朗日模型的勒让德映射关系的形式化、哈密顿方程的形式化和机器人动力学的形式化建模与分析。内容涉及交互式定理证明、机器人、形式化验证等人工智能领域。