三维点云处理技术广泛应用在逆向工程、CAD/CAM、机器人学、测绘遥感、机器视觉、虚拟现实、人机交互、无人驾驶和元宇宙等诸多领域。点云配准作为三维视觉领域的一个重要分支，已有40多年的发展历史，本书则系统性地对近些年来已经成熟的算法和工具进行梳理和总结。全书分两部分，第一部分为硬核技术篇（第1~4章），详细介绍了点云配准概念、应用领域，以及点云配准必要的数理知识，最后对点云配准过程中相关关键步骤（如关键点提取、特征描述等）所涉及的经典算法进行理论与实战的多维展示，为读者深入了解复杂配准算法做好前期理论与技术储备工作。第二部分为算法应用篇（第5~6 章），涵盖了十几个开源的刚性与非刚性配准经典算法，从算法原理、理论基础、技术实现、应用案例及优缺点等方面进行详细介绍，以算法的源码实现分析来帮助读者搞清楚每一个算法的细节与计算过程。最终通过算法的应用案例分析，让读者从理论、技术和应用层面重新评价与认识每一个算法，助力产业界的读者快速将相关技术应用落地，学术界的读者快速系统地完成入门与提升。随书附赠程序源代码、案例高清效果图和结果视频，以及授课用PPT，力求从多个角度提升读者阅读体验和知识含量。本书可作为科研人员和公司产品开发工程师的参考指南，也可作为计算机图形学、机器人学、遥感测量、虚拟现实、人机交互、CAD／CAM逆向工程等领域相关专业的高年级本科生、研究生的学习手册。

《机器学习中的标记增强理论与应用研究》由东南大学计算机科学与工程学院助理研究员徐宁撰写。全书聚焦标记端多义性这一当今机器学习领域的热点问题，针对学习过程中不可避免的信息损失这一突出问题，提出了标记增强的概念，以期在不增加额外数据标注负担的前提下，挖掘训练样本中蕴含的标记重要性差异信息，将逻辑标记转化为标记分布。《机器学习中的标记增强理论与应用研究》共六章：第1章绪论，介绍了全书的研究背景和研究内容。第2章标记增强研究进展，介绍了标记增强的研究进展。第3章标记增强理论框架，构建了标记增强的理论框架。第4章面向标记分布学习的标记增强，提出了面向标记分布学习的标记增强。第5章标记增强在其他学习问题上的应用，将标记增强应用到其他学习问题上。第6章总结与展望，总结现有工作，并在此基础上进行展望。

随着人工智能技术的广泛应用，网络智能化近年来受到广泛的关注，已经成为下一代移动通信与未来网络的重要技术。阿尔法围棋（AlphaGo）之后，深度强化学习不断推陈出新，为网络中的决策问题提供了有效的潜在解决方案。本书系统介绍了网络智能化中深度强化学习的基本理论、算法及应用场景。全书共8章，针对互联网、移动通信网、边缘网络、数据中心等典型网络，阐述了网络管理、网络控制、任务调度等决策需求，深入论述了深度强化学习的模型构建与应用技术。第1章介绍了网络智能的需求与挑战；第2章介绍了先进的深度强化学习模型与方法；第3～6章论述了无线接入优化、网络管理、网络控制与任务调度等普遍网络管控任务中，深度强化学习技术的应用方法；第7章和第8章论述了深度强化学习在流媒体控制以及自组织网络等典型场景中的新研究进展。 本书可为高等院校计算机和通信相关专业的本科生、研究生提供参考，也可供对网络智能化与深度强化学习领域感兴趣的研究人员和工程技术人员参考。

本书主要介绍“机械制造技术”“机械制造装备”课程的10个配套实验，包括实验目的、实验原理、实验设备、实验步骤、实验内容、实验结果等。 本书主要作为普通高等院校机械设计制造及其自动化、飞行器制造工程、工业工程等相关专业“机械制造技术”“机械制造装备”课程的实验教材，也可供其他专业相关课程实验参考。

深度学习框架中蕴藏着惊人的技术和有趣的机制，本书旨在揭开这些技术和机制的神秘面纱，帮助读者正确理解技术，体会它们的有趣之处。为此，本书会带领读者从零开始创建一个深度学习框架——DeZero。DeZero 是本书原创的框架，它用最少的代码实现了现代深度学习框架的功能。本书分60 个步骤来完成这个框架，在此过程中，读者会加深对PyTorch、TensorFlow 和Chainer 等现代深度学习框架的理解，看清深度学习框架的本质。 本书沿袭《深度学习入门：基于Python 的理论与实现》的风格，语言通俗，代码简洁，讲解详细。在自制框架的过程中，读者还能进一步巩固Python 编程和软件开发相关的知识。 本书适合对深度学习框架感兴趣的读者阅读。

本书以人工智能方法解决博弈对抗问题为主线，介绍策略搜索与机器博弈、机器学习与数据对抗、强化学习与对抗决策、博弈论与均衡策略计算等理论基础以及其在求解博弈对抗问题中的应用，探讨人工智能对军事博弈对抗的影响。

本书基于循序渐进培养儿童数学核心概念和逻辑思维的培养目标，用故事情景和实物化编程游戏工具，引导孩子在角色扮演和对图形化程序指令符号的理解执行过程中，训练孩子用计算思维解决问题，使抽象枯燥的数学教育和编程教育变成生动活泼、充满童趣，又富有互动性的学习体验。 附带教学教案和教具

本书先介绍深度强化学习的基础知识及相关算法，然后给出多个实战项目，以期让读者可以根据环境的直接反馈对智能体加以调整和改进，提升运用深度强化学习技术解决实际问题的能力。 本书涵盖深度Q网络、策略梯度法、演员-评论家算法、进化算法、Dist-DQN、多智能体强化学习、可解释性强化学习等内容。本书给出的实战项目紧跟深度强化学习技术的发展趋势，且所有项目示例以Jupter Notebook样式给出，便于读者修改代码、观察结果并及时获取经验，能够带给读者交互式的学习体验。 本书适合有一定深度学习和机器学习基础并对强化学习感兴趣的读者阅读。

本书是一本Python编程和机器学习零基础入门书。书的内容由Python基础语法和机器学习两部分组成，力求前面所学为后面所用。前半部分，着重介绍了Python语言的输入输出、条件分支、循环、列表、函数、类等，力求“手把手”地帮助读者攻克初学编程的难关，边学边练，使抽象的内容得以在实践中明晰。后半部分，是基于Python语言的机器学习入门，先介绍了机器学习领域最常用的工具库NumPy和matplotlib，继而以sklearn为依托讲解了分类、回归、聚类三个经典的机器学习应用场景。经过前面层层铺垫，最后带领读者完成一个识别手势的项目，体验机器学习的全过程。本书适合Python编程学习与应用的青少年爱好者阅读，也可作为中小学生Python相关课程的教材。希望读者借由本书进入Python程序设计和人工智能世界的大门，并逐步探寻更深的领域。

本书面向复杂不确定环境下可解释分类的需求，重点阐述作者提出的置信规则分类方法体系及其在实际工程中的应用。全书主要内容包括不可靠数据鲁棒置信规则分类、面向大数据的紧凑置信规则分类、数据与知识双驱动的复合置信规则分类、精确且可解释的置信关联规则分类、面向高维数据的置信关联规则分类、面向软标签数据的置信关联规则分类等方面的理论进展，以及在编队目标识别、多框架融合目标识别、多属性决策融合目标威胁评估等实际问题中的应用。