我们在与环境交互的过程中进行学习，经历的奖励或惩罚将指导我们未来的行为。深度强化学习将该过程引入人工智能领域，通过分析结果来寻找最有效的前进方式。DRL智能体可提升营销效果、预测股票涨跌，甚至击败**围棋高手和国际象棋大师。 《深度强化学习图解》呈现生动示例，指导你构建深度学习体系。Python代码包含详明、直观的注释，助你深刻理解DRL技术。你将学习算法的运行方式，并学会用评估性反馈来开发自己的DRL智能体。 本书主要内容包括： ●强化学习入门 ●行为与人类似的DRL智 能体 ●在复 杂情况下应用DRL

本书系统论述深度 学 习 图 像 检 索 的 原 理 与 应 用。全 书 共 分 为 两 篇：第 一 篇 图 像 检 索 基 础（ 第 1~3 章） ， 介绍图像检索技术、 深度 学 习 基 础、 基 于 深 度 学 习 的 图 像 检 索 方 法;第 二 篇 图 像 检 索 应 用 （ 第 4~8 章） ， 以车辆图像为研究对象， 深入详细地讲述基于深度神经网络的快速车辆图像检测方法、 基于迁移学习 场景自适应的车辆图像检索方法、 基于多视角图像生成的车辆图像检索方法、 基于车牌图像超分辨率重建 的车辆图像检索方法、 多模型融合的渐进式车辆图像检索方法。附录 A 和附录 B分别提供本书实验所使 用的数据集和源代码。 本书适合作为从事深度学习图像检索技术研究的科技工作者、 专业 技术人员、 高校教师、 研究生及高 年级本科生的参考用书。

本书结合课题组多年的科研成果，对大数据混合存储布局优化及其安全迁移相关理论和技术进行了全面、系统的介绍。全书共分为8章，其中第1章概述了海量存储系统的存储介质、SCSI协议与FC协议、存储系统的发展与以及海量存储技术及应用领域；第2章论述了海量信息存储系统中负载均衡机制；第3、4章论述了并发的混合存储布局的优化模型及分布式存储集群系统布局优化策略；第5章阐述了数据存储布局的多目标优化方案；第6章讲述了在分布式混合存储系统中数据安全迁移的技术；第7章论述了混合存储环境下重复数据删除技术；第8章论证了数据完整性审计方法。本书从理论和实践两个方面，在对相关理论进行深入分析和研究的同时，给出了对应的模型和算法的仿真过程，有利于广大读者更为深入地理解有关大数据混合存储布局及其安全迁移技术的实现过程和算法设计思想。本书可供信息类相关领域的研究者或技术人员查阅，也可作为相关专业研究生的教材和参考资料。

《企业数字员工建设指南——机器人流程自动化（RPA）实践》基于两位作者的从业经验详细系统地介绍了机器人流程自动化的概念、发展历程、行业状况、与其他技术的集成、经典的行业应用案例、企业内部推广与建设 RPA 的方法、RPA 平台的技术架构、RPA 项目的生命周期、作者的实施经验和实战案例分享。全书共 3 篇 10 章，每章通过实战案例并辅以图文的形式给予说明。 本书内容翔实，涵盖了机器人流程自动化的方方面面，概念清晰、逻辑性强，阐述时由浅入深、循序渐进。本书中的实例大部分来自两位作者多年的工作和开发实践经验，希望读者在 RPA 实践中能够扬长避短，把更多的数字员工带入各行各业。 本书作为一本科普书，主要面向 RPA 爱好者、从业者、计划在企业内部构建数字员工的管理者以及本科及以上在校师生等。

机器翻译是计算机科学与语言学交叉形成的最早的研究方向，是自然语言处理技术的重要发源地。本书聚焦新一代机器翻译技术——神经机器翻译，系统梳理和介绍神经机器翻译的核心方法和前沿研究课题。全书分为基础篇、原理篇、实践篇和进阶篇，覆盖神经机器翻译的基础知识、经典框架、原理技术、实践方法与技巧，以及无监督神经机器翻译、多语言神经机器翻译、语音与视觉多模态机器翻译等前沿研究方向。全书理论与实践相结合，基础与前沿相交映。除此之外，本书的一个特色是在每一章均附有一篇短评，针对相应章节的主题，介绍和评论神经机器翻译技术背后的历史、故事、思想、哲学、争议和规范等。短评与全书内容相交错，使读者对神经机器翻译技术不仅知其然，而且知其所以然。本书适合高等院校计算机专业高年级本科生，以及人工智能、自然语言处理方向的研究生阅读，也可供机器翻译研究者、实践者、使用者，以及机器翻译行业的管理者、人工翻译研究人员等对机器翻译技术感兴趣的读者参考。

本书将帮助读者掌握开发有效学习系统所需的流程、模式和策略，通过简单的故事、图片和Python示例来向读者传达机器学习的基本思想。即使读者是一名初学者，只要具备一些Python编程基础，不管大学数学水平如何，都能轻松阅读本书并有所收获。

近年来，智能物联网、群体智能、工业互联网等新兴技术逐步兴起，人（智能手机、可穿戴设备等）、机（云设备、边缘设备）、物（具感知计算能力的物理实体）这三种基础要素正在走向协作和融合，迈向人机物融合群智计算时代，即通过人、机、物异构群智能体的有机融合，利用其感知能力的差异性、计算资源的互补性、节点间的协作性和竞争性，构建具有自组织、自学习、自适应、持续演化等能力的智能感知计算空间，实现智能体个体技能和群体认知能力的提升。 2020年，根据微软学术（Microsoft Academic）统计分析的关于群智感知（Crowd sensing）研究的作者排名（Top Authors）中，本书作者团队位列全球第一。本书作者带着十余年从事群智感知计算研究的思考，将传统的“以人为中心”的群智感知计算拓展深化为“人-机-物异构群智能体融合计算”（简称“人机物融合群智计算”），从单纯的群智感知数据收集提升为人机物群智融合的协作计算与增强学习，探索异构群智协同的基础理论创新和关键技术突破。 本书系统化地阐明新一代“群智感知计算”内涵，并匠造出一把开启“人机物融合群智计算”新世界大门的钥匙。本书既可以作为专著，为物联网、人工智能、工业互联网、智慧城市、智能制造等领域的科研人员和IT从业者提供创新的发展视角及相关理论、方法与技术支撑，也可以作为高年级本科生或研究生的参考教材。

本书主要介绍人工智能研究领域中神经网络的PyTorch架构，对其在多个领域的应用进行系统性的归纳和梳理。书中的案例有风景图分类、人像前景背景分割、低光照图像增法、动漫头像生成、画风迁移、风格转换等，对每项视觉任务的研究背景、应用价值、算法原理、代码实现和移动端部署流程进行了详细描述，并提供相应的源码，适合读者从0到1构建移动端智能应用。 本书适合对人工智能实际应用感兴趣的本科生、研究生、深度学习算法工程师、计算机视觉从业人员和人工智能爱好者阅读，书中介绍的各项视觉任务均含有相应的安卓平台部署案例，不仅对学生参加比赛、课程设计具有参考意义，对相关从业人员的软件架构和研发也具有启发价值。

《机器学习·深度学习图像识别从基础到案例实战》一书用大量的图形图像，结合Python代码介 绍了人工智能领域图像识别的相关知识。全书共3部分，其中第1部分介绍了基础知识及相关工具如 Python、Jupyter Nobebook和NumPy、Matplotlib等软件库的使用方法；第2部分主要借助TensorFlow、 PyTorch、Keras、Chainer、scikit-learn等工具实现了16个不同层次的图像识别案例，如Iris数据集分类、 手写数字识别、人物检测等，助力提升读者实战水平；第3部分介绍了基于Python的面向对象编程知 识和如何用Python建立Web服务器。本书浅显易懂，特别适合作为大中专院校相关专业的参考书，也 适合想通过Python系统学习机器学习和深度学习、用Python进行图像识别的入门参考书。

本书是面向青少年的人工智能科普书和入门教材，立足于趣味性、科学性、知识性和实践性，尽量避免晦涩专业术语对阅读流畅性的影响。书中还包含数十个精心筛选的实践案例，可根据读者需要灵活选用。 全书共5 个单元、14章，从人工智能的发展简史讲起，以语音、图像、生活中的典型场景及伦理问题为主要知识载体，聚焦问题，深入浅出地引出人工智能的基本思想、主要原理、知识概念、典型应用实践等。 本书可作为青少年课外科普读物和中学信息技术等学科的辅助教材、职业院校的专业教材和本科阶段的通识教育教材，还可作为相关培训教材和科学素质提升读本。