ROS是建立在开源操作系统Ubuntu系统之上的开源的机器人操作系统，其主要目标是为机器人研究和开发提供代码复用的支持。它提供了操作系统应有的服务，包括硬件抽象、底层设备控制、共用功能的执行、进程间消息传递，以及包管理。ROS的官方网站也提供了各种支持文档，相关资源构成了一个强大的生态系统，使得学习和使用ROS非常方便。本书中所有代码以ROSNoeticNinjemys和ROSMelodicMorenia版本进行调试。作者希望通过介绍ROS和实际机器人为平台，展示机器人主要功能模块涉及的相关理论和应用场景。

随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。 本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动推荐方法和基于协同过滤的活动推荐方法，并介绍了一种流程信息的可视化算法，实现了一个可视化原型系统。 本书结构清晰，文字流畅，图文并茂，适合从事流程管理系统研究的读者阅读，也适合作为高校相关专业师生的参考书。

《机器人手册》（原书第2版）第3卷 机器人应用分成两篇：作业型机器人、机器人与人。第6篇作业型机器人主要介绍了特定环境中工作的机器人，包括工业机器人、空间机器人、农林机器人、建造机器人、危险环境作业机器人、采矿机器人、救灾机器人、监控与安保机器人、智能车、医疗机器人与计算机集成外科手术、康复与保健机器人、家用机器人、竞赛机器人，涉及硬件设计、控制感知和用户界面，以及驱动上述应用发展的经济/社会因素。第7篇机器人与人主要介绍了一些与人-机器人交互有关的*新成果，包括仿人机器人、人体运动重建、人-机器人物理交互、人-机器人增强、认知型人-机器人交互、社交机器人、社交辅助机器人、向人类学习、仿生机器人、进化机器人、神经机器人和感知机器人，以及教育机器人、机器人伦理学各主题，对于创建在以人为中心的环境中运行的机器人至关重要。本手册可供机器人、人工智能、机械工程、自动化、计算机等领域的科研技术人员使用，也可供高等院校相关专业师生参考，还可供机器人业余爱好者阅读。

随着我国进入中国特色社会主义新时代，对社会治理能力提出了更高要求。因此，有必要依靠人工智能等新兴技术促进社会治理的发展，更好地解决新的历史背景下社会治理过程中的新问题。本书是作者们在近几年尝试运用人工智能解决教育管理信息化中痛点、难点问题研究的一个梳理，并为读者介绍了人工智能、大数据技术的相关概念，以及人工智能在教育治理中未来发展的展望。本书适合作为高等学校计算机专业高年级本科生和研究生的教材或相关科研工作者的参考，因此本书的出版具有重要的理论意义和实际应用意义。

《概率图模型原理与应用：第2版》分为4部分：第Ⅰ部分给出PGM的总体介绍和动机，并回顾概率论和图论的必要背景知识；第Ⅱ部分描述不考虑决策或效用的模型：贝叶斯分类器、隐马尔可夫模型、马尔可夫随机场、贝叶斯网络、动态和时态贝叶斯网络；第Ⅲ部分首先简要介绍决策理论，然后描述支持决策的模型，包括决策树、影响图、马尔可夫决策过程和部分可观察马尔可夫决策过程；第Ⅳ部分对标准PGM进行了扩展，包括关系概率图模型和因果图模型（因果推理和因果发现），还对深度学习及其与PGM的关系进行介绍。

本书将理论融入贴近生活的案例之中，深入浅出，丰富有趣。例如，通过AI判定美味的红酒、自动识别邮政编码、从视频中检测特定场景、判断SNS上的垃圾邮件投稿、通过识别照片上的物体自动判断新闻报道类型、通过食物照片调查热量等等。

随着年龄的增长，生理机能的下降，如果不采取必要的措施，会导致高血压、心脏病等一些疾病的并发症。如果老年人能够进行生理评估，这些风险可以大大降低。近年来，由于预防对老年人的重要性，许多研究人员将注意力集中在对人体生理功能的评估上。我们写这本书是为了介绍我们认为是生理功能评估的关键技术，帮助读者更好地了解生理功能评估。

装配是产品设计的核心，对产品的生产效率、性能和成本有着重要的影响。可装配性是产品的一种固有特性，是产品设计的核心。本书从可装配性概念出发，介绍其影响因素及评价方法，梳理虚拟现实辅助可装配性设计的关键技术——虚拟现实辅助装配技术、人体运动捕捉技术和人机功效评价。针对产品装配中的手工装配，本书详细介绍虚拟现实辅助动态装配方法、无标记人体运动捕捉系统设计和多台Kinect人体骨骼数据融合与实验验证，虚拟环境多视角融合模型建模方法和基于全身运动捕捉数据的快速上肢评估实时评价方法。本书分别针对相关技术，开发相关软件进行验证。

本书通过扎实、详细的内容和清晰的结构，从算法理论、算法源码、实验结果等方面对深度学习算法进行分析和介绍。本书共三篇，第一篇主要介绍深度学习在计算机视觉方向的一些卷积神经网络，从基础骨干网络、轻量级 CNN、模型架构搜索 3 个方向展开，介绍计算机视觉方向的里程碑算法；第二篇主要介绍深度学习在自然语言处理方向的重要突破，包括基础序列模型和模型预训练；第三篇主要介绍深度学习在模型优化上的进展，包括模型优化方法。通过阅读本书，读者可以深入理解主流的深度学习基础算法，搭建起自己的知识体系，领会算法的本质，学习模型优化方法。无论是从事深度学习科研的教师及学生，还是从事算法落地实践的工作人员，都能从本书中获益。

这是一本基于Python和TensorFlow的全栈式的深度学习指南，基础和理论讲解全面，原理和拓展分析深入，应用和实践也极具实战性，是多位人工智能和大数据领域的专家多年经验的结晶。 全书一共24章，在结构上分为四大部分： 第一部分 TensorFlow基础 详细讲解了TensorFlow的数据处理基础以及它的各种常用功能。 第二部分 深度学习基础 这部分想想讲解了深度学习、机器学习、NLP、神经网络、目标检测、生成式对抗网络等深度学习技术。 第三部分 深度学习实践 通过人脸识别与检测、目标检测与识别、文本检测与识别、人机对话、文本生成、图像处理等方面的案例详细讲解了TensorFlow的用法。 第四部分 强化学习 详细讲解了强化学习的基础和算法。