本书共分5方面内容：基础知识、关键模块、算法模型、内核揭秘、生态发展。前两方面由浅入深地介绍了TensorFlow 平台，算法模型方面依托TensorFlow 讲解深度学习模型，内核揭秘方面主要分析C++内核中的通信原理、消息管理机制等，* 后从生态发展的角度讲解以TensorFlow 为中心的一套开源大数据分析解决方案。 本书适合所有对深度学习和TensorFlow感兴趣的开发人员和数据分析师阅读。

本书的主要包括七方面的内容：一、未知环境下移动机器人目标跟踪相关概念与模型；二、基于扫描点匹配的机器人位姿矫正和环境构建；三、基于占用栅格地图的运动物体侦测；四、基于粒子滤波的机器人未知环境下目标跟踪算法研究；五、基于扩展式卡尔曼滤波的机器人未知环境下目标跟踪算法研究；六、基于信息融合的机器人未知环境下目标跟踪方法；七、未知环境下多机器人协作目标跟踪算法研究。

自然语言计算机形式分析是横跨语言学、计算机科学和数学的一个交叉研究领域，是自然语言计算机处理的关键。自然语言是信息主要的负荷者，在当今信息网络时代，计算机已经日益普及，普通计算机用户可以使用的语言资源正以惊人的速度飞快增长。互联网主要是由自然语言构成的，它已经成为了极为丰富的语言信息资源；移动通信也是以自然语言为媒介的，它已经渗透到日常生活的各个领域。因此，自然语言计算机形式分析对于国家的信息化建设，对于互联网和移动通信的安全具有重要作用。本书对自然语言处理中的各种理论和方法进行了系统的总结和梳理。首先讨论了自然语言处理的学科定位；接着介绍了语言计算的一些先驱研究；然后以主要的篇幅讨论自然语言处理中的各种形式模型，包括基于短语结构语法的形式模型、基于合一运算的形式模型、基于依存和配价的形式模型、基于格语法的形式模型、基于词汇主义的形式模型、语义自动处理的形式模型、系统功能语法、语用自动处理的形式模型、概率语法、Bayes公式与动态规划算法、N元语法和数据平滑、隐Markov模型（HMM）、语音自动处理的形式模型、统计机器翻译的形式模型；同时还讨论了自然语言处理系统的评测问题；最后从哲学的角度讨论了自然语言处理中的理性主义和经验主义，探索理性主义方法和经验主义方法相结合的途径。本书说理透彻、语言流畅、实例丰富、深入浅出，适合从事自然语言处理研究的科研人员、大学师生阅读，也可以作为人工智能、计算语言学等课程的教学参考书。

本书系统介绍动态双足机器人步态优化与控制的主要技术，主要内容包括非线性数值优化算法及动态双足机器人发展现状与理论基础；几类非线性数值优化算法；动态双足机器人鲁棒稳定性分析；动态双足机器人步态优化控制。

暂缺简介...

暂缺简介...

本书的研究主要集中在对柔性细长杆件和薄板的变形分析上，对从经典的均质悬臂梁柔性杆变形模型到一般的柔性薄板大变形模型进行了理论阐述及案例验证。从伯努利欧拉形变力学模型、斯蒂芬·铁木辛柯力学模型入手，对比分析了基于解析解法、有限差分法、有限元法等的变形模型，逐步综合了弯曲、扭转、扭弯组合等几何非线性变形过程。本书在对柔性构件传统变形分析的基础上，引入了变形场重构的概念，即柔性构件可被看作是由有限个离散的微小段组合而成的，也可被看作是点云的集合。基于此，对柔性构件的变形分析可转化为空间点坐标重构问题，本书重点阐述了双目视觉重构法、模型分析法以及两者的融合。在变形分析的应用方面，本书以实例完整阐述了三维空间内全局大变形柔性杆变形可视化，以及柔性薄板在扭弯等复杂工况下动态变形场的快速重构和图像反馈等过程。

本书在研究方法上参考了国内外相关研究成果，依据脑信息学系统方法学原理，利用ACT-R平台建立相应的认知假设模型并仿真，同时，对抑郁症患者和正常对照组完成不同情绪刺激下认知计算任务的信息加工过程从更细的时间微粒上进行解释和验证。本书提出采用模糊近似熵方法研究不同性别、不同年龄及抑郁症患者和正常对照组之间的差异，这在国内尚属首次。本书在研究内容上也是一种新的尝试，属于探索性研究。本书的主要创新点如下：①针对被试完成加法计算和减法计算的任务信息加工过程差异问题，分别建立了对应的认知假设模型，模拟数据和真实数据的有效拟合，证明了假设模型的有效性。首次采用ACT-R建模的方式对加法计算和减法计算任务的信息加工过程差异性进行解释和验证，提出加法计算主要以提取策略为主，减法计算则是提取策略与计算策略共同完成，该结果与Deheane提出的三联体模型相一致。②针对正常人完成不同情绪刺激下加减法计算任务的差异问题，依据行为实验数据、事后问卷调查表结果，分别对其信息加工过程建立了对应的ACT-R假设模型。首次采用ACT-R结合fMRI技术对正常人完成不同情绪刺激下加减法计算任务之间的差异问题进行了分析和研究，提出了正常人具有正性情绪偏向和负性情绪偏离的特点。③针对抑郁症患者具有情绪功能障碍和认知功能障碍特点，首次提出了抑郁症患者与正常对照组完成不同情绪刺激下加法计算的ACT-R假设模型，并进行了仿真验证。模拟数据和真实数据的有效拟合验证了假设模型的有效性，首次从更细的时间微粒上解释正常对照组和抑郁症患者完成不同情绪刺激下加法计算任务的脑区内部信息加工过程。④针对不同性别、不同年龄的抑郁症患者及抑郁症患者和正常对照组的BOLD信号数据的非线性动力学之间差异性问题，首次提出采用模糊近似熵的方法对其进行分析和研究，并与样本熵进行比较。结果表明，模糊近似熵更适合BOLD信号数据分析，从而可能为抑郁症患者的临床诊断和康复治疗提供一个新的客观量化指标，为抑郁症患者的BOLD信号研究提供一个新的手段和方法。本书从计算机建模角度对抑郁症患者的情绪功能障碍与认知功能障碍进行了研究，获得了一些结论，丰富了抑郁症、情绪和认知交互作用的研究内容，有利于从更细的时间微粒方面了解人脑内部各脑区信息加工过程与脑损伤的神经机制，同时也为抑郁症患者BOLD信号数据的非线性动力学研究提供了新的研究方法。

Google、微软和Facebook等公司正在积极发展内部的深度学习团队。对于我们而言，深度学习仍然是一门非常复杂和难以掌握的课题。如果你熟悉Python，并且具有微积分背景，以及对于机器学习的基本理解，本书将帮助你开启深度学习之旅。* 检验机器学习和神经网络基础 * 学习如何训练前馈神经网络 * 使用TensorFlow实现你的第1个神经网络 * 管理随着网络加深带来的各种问题 * 建立神经网络用于分析复杂图像 * 使用自动编码器实现有效的维度缩减 * 深入了解从序列分析到语言检验 * 掌握强化学习基础

《简洁式智能计算及应用研究》以降低算法时间复杂度和空间复杂度为主线。首先，简单介绍群智能计算的专业基础知识，从降低算法时间复杂度的角度来陈述量化蚁群算法的设计思路，并用其来解决旅行商问题。然后，重点介绍基于gamma分布的扰动向量设计，并进一步改进猫群算法，减少算法的计算量，提高算法寻优能力。最后，利用简洁式猫群算法和支持向量机方法结合来解决人脸表情的识别问题，进一步扩展简洁式猫群算法的应用空间。