暂缺简介...

《当代机器深度学习方法与应用研究》对当前新的深度学习方法及应用进行了全面的概述，涵盖了自动语音识别（ASR）、计算机视觉、语言建模、文本处理、多模态学习以及信息检索等方向，能使读者对机器深度学习领域进行广泛而深入的了解，对有志于了解和学习深度学习的读者会有极大的帮助。

本书预测了人工智能时代哪些职业会受到巨大冲击。在未来，被人工智能所取代的，不仅仅是劳动密集型的行业，医疗、教育、宗教、法律、新闻、审计、管理咨询、建筑这些此前被认为是技术无法取代的专业行业，也面临着衰变的风险。 人工智能不仅是 次技术革命，它还将引发社会结构的变化。人工智能对生产效率的大幅度改进、对人类劳动的大规模替代、对生活和工作方式的根本变革， 然会引发社会结构全面的变化。作者预言这种转型会 直继续，直到“传统专业性工作全部解体”。 针对这些即将到来的巨大职业冲击，作者根据十年来对多种专业的深入研究，并通过众多实例进行论证，提出了六种新模式来应对人工智能所带来的职业冲击，以使得人们尽早认清人工智能的变革本质，了解职业冲击的规律，尽早制定 套属于自己的人工智能时代行动指南。

《模式识别与人工智能（基于MATLAB）》将模式识别与人工智能理论与实际应用相结合， 以酒瓶颜色分类为例， 介绍了各种算法理论及相应的 MATLAB实现程序。全书共分为10章， 包括模式识别概述、贝叶斯分类器的设计、判别函数分类器的设计、聚类分析、 模糊聚类、神经网络分类器设计、模拟退火算法的分类器设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计，覆盖了各种常用的模式识别技术。

《机器人综合实训教程》是作者总结多年教学实践经验．并与“机械工程控制基础”“机电一体化技术”“机器人技术基础”等课程衔接编写的高年级本科生实验教材。在实验项目的开发与配置方面，改革原有的验证性实验项目，开发设计性、创新性实验项目，实现实验内容由单一型、局部型向综合型、整体型的转变；在实验方法方面，实现由演示型、验证型向参与型、开发型转变；实验测试手段向计算机辅助测试的方向拓展。通过相关的实验项目教学，不仅可以使学生在掌握理论知识的基础上，增强感性认识，而且能够培养学生的动手能力以及分析问题、解决问题的能力。

衡量人工智能的一个角度是解决问题的能力。《人工智能与问题解决方法》将我们在计算机科学、数学和人工智能课程上经常遇到的一些有趣的、有挑战性的问题汇集到一起，对那些已证明的人类靠自身难以解决而需要计算机辅助进行解决的问题进行深入讨论，不仅给 出了解决方案，也探讨了计算机科学和人工智能中用来解决这些问题的各种思想、方法和应用。此外，对解决方案能否经得起人类检验的思考（“人类窗口”的概念）能加深对问题及问题解决方案能否存在以及如何存在的理解。来自不同背景的学生均可以从解决这些问题的推导思想中受益，尤其是那些要寻找这些问题的解决方案的计算机科学、数学和人工智能课程的教师，当然《人工智能与问题解决方法》对那些希望提高自己问题解决能力的人也很有帮助。毫无疑问，今天的年轻人很快就会发现他们缺乏这些基本技能，而《人工智能与问题解决方法》可以在他们练习和提高问题解决能力的时候随时提供帮助资源，并且有助于他们形成并保持终身学习的能力。

《走进神奇的机器人世界》在重庆市科委科普资助项目的资助下完成。全书共7章，以介绍机器人相关科学知识为主线，分别介绍机器人的前世今生、机器人的五官、机器人的骨骼、机器人的神经、机器人的驱动、机器人的语言、现代机器人家族。该书旨在使广大中小学生和普通民众对机器人的科学知识有进一步的了解和认识，并产生探索机器人新技术的兴趣，为机器人的发展打下基础，提高大众在机器人领域的科学素养。《走进神奇的机器人世界》可作为中小学生及普通民众的机器人科普知识读本。

《空间机器人/空间技术与科学研究丛书》内容分成四篇：第一篇主要介绍机器人基础理论，重点是空间机器人的动力学、规划与控制相关理论，其中用较大篇幅对浮动基空间机器人的动力学与控制问题进行了介绍；第二篇主要介绍空间机器人工程设计方法，重点说明如何在充分考虑空间机器人的特殊工作环境（真空、高低温、辐照等）、特殊设计约束（发射环境、难以验证等）的情况下开展产品设计和验证工作；第三篇主要介绍几个空间机器人的工程设计实例，通过实例介绍如何针对具体的工程需求，利用前两篇介绍的基础理论和工程设计方法来完成实际产品的设计。该书在最后对世界范围内已有的空间机器人产品进行了总结，并对后续技术发展进行了展望。

MATLAB深度学习 在《MATLAB深度学习　机器学习、神经网络与人工智能》深入浅出的指导方式下，开启 MATLAB深度学习与人工智能之旅吧！《MATLAB深度学习　机器学习、神经网络与人工智能》开篇介绍机器学习的基础知识，然后逐渐铺开，分别讨论神经网络、深度学习以及卷积神经网络。为将理论知识与实际应用完美结合，《MATLAB深度学习　机器学习、神经网络与人工智能》将 MATLAB作为书中示例及案例分析的基础编程语言和开发工具。　通过学习《MATLAB深度学习　机器学习、神经网络与人工智能》，你将能应对当今现实世界中的一些大数据、智能机器人以及其他复杂数据问 题。你将体会到，在当前的智能数据分析与应用中，深度学习是机器学习领域更高级、更智能 的方面。 主要内容 ● 使用MATLAB进行深度学习 ● 学习单层神经网络和多层神经网络 ● 应用卷积层与池化层 ● 用卷积层和池化层构建MNIST示例

本书主要介绍TensorFlow及其在各种深度学习神经网络中的应用。全书共5章，首先介绍了TensorFlow的入门知识，包括其相关技术与模型以及安装配置，然后分别介绍了TensorFlow在深度神经网络、卷积神经网络、递归神经网络中的应用，并通过具体示例进行了详细分析与应用。后，对上述TensorFlow模型进行了总结分析，并核验了模型精度。