《智能水下机器人测深信息同步定位与建图技术》系统地阐述了智能水下机器人测深信息同步定位与建图技术的发展与应用。《智能水下机器人测深信息同步定位与建图技术》共7章，内容主要包括智能水下机器人测深信息同步定位与建图技术的发展现状、位姿图构建技术、位姿图构建中的闭环检测技术、鲁棒闭环检测技术、位姿图优化技术、鲁棒位姿图优化技术以及鲁棒测深信息同步定位与建图的软/硬件系统搭建等。《智能水下机器人测深信息同步定位与建图技术》内容基本上覆盖了智能水下机器人测深信息同步定位与建图知识专题。

《半监督学习》是国际学术界论述半监督学习理论与方法*为详细、内容*为丰富的一部著作。《半监督学习》，数十位研究人员就半监督学习的各个方面阐述其研究成果，具体包含生成式模型、低密度分割、基于图的方法、表示的变换、半监督学习实践、视角六部分。

暂缺简介...

飞行汽车、宇宙开发、量子计算机、共享汽车、大数据分析、替代白领工作的软件机器人、癌症治疗……纵观全球，不断涌现出一批能够产生技术创新的初创企业，有的企业估值甚至高达数千到数万亿日元。 新兴企业聚集的地区，不仅仅限于美国硅谷，还出现在中国、印度、以色列、英国、德国、新加坡、日本等，堪称遍布全球。 今后，什么样的企业能够崛起，并在10年后取代GAFA呢？本书将揭开“改变世界的那些公司”之神秘面纱。

《机器学习实战使用R、tidyverse和mlr》将使用RStudio和非常棒的mlr程序包开启你的机器学习之旅。这本实用指南简化了理论，避免了不必要的复杂统计和数学知识，所有核心的机器学习技术都通过图形和易于掌握的示例进行清晰的解释。每一章的内容都十分引人入胜，你将掌握如何把新的算法付诸实践，以解决各种预测分析问题，包括泰坦尼克沉船事件中不同乘客的幸存概率、垃圾邮件过滤、毒酒事件调查等。 主要内容 使用tidyverse程序包处理和绘制数据 监督机器学习和非监督机器学习技术 分类、回归、降维和聚类算法 统计学基础

《深度学习原理与PyTorch实战》按照从理论到实践，从实践到创造的顺序讲解深度学习领域的知识与技术，代码翔实，公式简单易懂。《深度学习原理与PyTorch实战》第1章介绍深度学习的概念和目前的形势，第2章介绍Python编程语言基础，第3章使用Python语言计算极限、导数、级数等数学问题，第4章讲解深度学习的基本原理与PyTorch框架的基本使用，第5章和第6章详细讲述经典网络结构CNN和RCNN，第7~9章介绍自研深度学习框架，并详细讨论之前忽略的深度学习底层实现上的算法和细节，第10章介绍目前机器学习的前沿无监督学习，第11章主要讲解深度学习模型以Web应用形式部署的技术。《深度学习原理与PyTorch实战》适合有高等数学基础、希望了解深度学习领域知识和技术的初学者阅读，也可作为相关培训机构的参考用书。

本书包括3部分：第1部分介绍机器学习的基本概念，它们是机器学习的预备知识；第2部分系统介绍几种成熟的机器学习算法和技术；第3部分介绍贯穿整个机器学习工作流程的21个*佳案例，并且讨论具有前瞻性的方法和想法，它们被公认为是机器学习未来的研究重点。本书中的代码均在Python 3中测试通过。 本书适合高等院校相关专业的大学生、研究生或教师阅读学习，以及不具有机器学习或统计背景但是想要快速补充机器学习算法知识，以便在实际产品或平台中应用的软件工程师。 Copyright  Packt Publishing 2019 First published in the English language under the title“Python Machine Learning By Example-Second Edition-（9781789616729）” Copyright in the Chinese language（simplified characters） 2021 China Machine Press This title is published in China by China Machine Press with license from Packt Publishing LtdThis edition is authorized for sale in China only， excluding Hong Kong SAR， Macao SAR and TaiwanUnauthorized export of this edition is a violation of the Copyright ActViolation of this Law is subject to Civil and Criminal Penalties 本书由Packt Publishing Ltd授权机械工业出版社在中华人民共和国境内（不包括香港、澳门特别行政区及台湾地区）出版与发行。未经许可的出口，视为违反著作权法，将受法律制裁。 北京市版权局著作权合同登记图字：01-2019-5823号。

《人工智能概论》全面介绍了人工智能的基本技术，目标是用通俗易懂的方法帮助读者构建完整的人工智能知识体系，为后续的深入学习打下基础。全书共分为10章，内容包括人工智能概述、知识表示、搜索技术、机器学习、深度学习、自然语言处理、机器人及智能控制等。《人工智能概论》适合高职高专和应用型本科，作为非人工智能专业的选修课和人工智能专业的导论课教材。也适合作为人工智能技术爱好者的入门书。

本书的主要研究内容与创新之处包括以下几个方面。首先，阐述了优化理论的相关内容，然后对智能优化算法进行综述，并重点介绍了粒子群优化算法与和声搜索算法。描述了粒子群优化算法的基本原理及算法流程，分析算法的特点、存在的问题及改进策略，并综述了粒子群优化算法的国内外研究现状。同时，介绍了和声搜索算法的基本原理及算法流程，对算法进行分析，并综述了算法的国内外研究现状。最后阐述了变分优化的理论研究及应用研究。其次，将局部寻优能力较好的变尺度法与粒子群优化算法结合，提出了基于变尺度的粒子群优化算法，同时将其应用于非线性方程组的求解。然后，将改进后的算法应用于偏微分方程的求解中，将传统的有限差分法进行改进，并与改进后的粒子群优化算法进行结合求解偏微分方程，通过数值算例对其进行验证。大量的数值实验表明改进的粒子群优化算法不仅提高了收敛速度和精度，提高了优化效率，还表现出很强的适用性和鲁棒性。再次，将和声搜索算法与局部搜索能力较好的变尺度法相结合，提出了基于变尺度的和声搜索算法。通过数值实验验证改进后的算法寻优能力较强，鲁棒性较好，而且方法容易实现。最后，探讨了将微分方程转化为变分问题的方法，将求解微分方程的权余量方法与标准粒子群优化算法进行结合，提出了一种新的求解优化问题的方法。同时，在结合传统的最小二乘近似解法与粒子群优化算法的基础上，提出了结合粒子群优化算法和最小二乘法求解变分优化问题的新方法。给出改进思路、计算流程后，通过仿真实验发现改进的两种变分优化算法有较强的适用性。

数据智能是以数据为中心、以“感一知一用”为模式的人工智能，也可以说是以数据获取、加工、处理、分析、应用为智能特征的人工智能。数据智能包括智能感知、智能认知（机器学习）、智能控制/智能决策等方面，是近代人工智能研究最为活跃、应用最为普遍的部分。本分册主要从深度生成模型、生成式对抗网络、模型驱动深度学习、自步一课程学习、强化学习、迁移学习及演化智能方面进行阐述，涵盖标准算法及精选的应用案例，总结了近年来数据智能研究的**发展与成果。