《智能平衡移动机器人》全面介绍了智能平衡移动机器人的应用平台搭建、平台的硬件电路、数字控制系统和一系列开发移动机器人的应用。这些应用由浅入深可分为3部分： 基础外设应用、基于机器人外设的进阶应用、基于机器人外设的综合应用，这3部分应用构成了读者学习平衡移动机器人技术的阶梯。本书在此基础上着重介绍了基于模型设计的开发方法、TMS320F28069控制芯片的特点、引脚与功能，以及Embedded Coder Support Packages for Texa Instruments C2000的硬件支持包。综合来看，读者可以方便快捷地实现基础应用、进阶应用和综合应用的学习，同时获得更多关于机器人平台硬件、软件等多个方面的综合知识。 《智能平衡移动机器人》适合作为高等院校机械、电气、自动化以及计算机专业高年级本科生和研究生的教材，同时可供对于基于模型的开发方法感兴趣的科研人员、从事MATLAB/Simulink开发的研究人员参考。

知识图谱作为认知智能的核心技术正蓬勃发展。本书系统全面地介绍了知识图谱的核心技术，既有宏观整体的技术体系，也有关键技术和算法细节，内容包括：知识图谱模式设计的方法论——六韬法；知识图谱构建中的实体抽取和关系抽取；知识存储中的属性图模型及图数据库，重点介绍了JanusGraph分布式图数据库；知识计算中的图论基础，以及中心性、社区检测等经典图计算算法；知识推理中的逻辑推理、几何变换推理和深度学习推理，及其编程实例。最后，本书以金融、医疗和智能制造三大行业的应用场景为例，梳理了知识图谱的应用价值和应用程序形态。 本书既适合人工智能行业从业者和研究人员系统学习知识图谱，也适合一线工程师和技术人员参考使用，并可作为企业管理人员、政府人员、政策制定人员、公共政策学者的参考材料，以及高等院校计算机、金融和人工智能等相关专业师生的参考资料和培训学校的教材。

虚拟现实和增强现实技术目前在智能制造中得到了越来越多的应用。本书重点介绍在应用此类技术涉及的关键技术，包括绘制技术、人机交互技术、开发平台特别是几何引擎和动力学引擎等，对于其在智能制造中的典型应用给予了专门介绍。书中大部分案例都取自作者所在课题组实际开发的工程实例，是一本理论与实用兼顾的参考工具书。

本书首先介绍了虹膜识别技术相关的概念和应用，重点对虹膜定位、眼睑和眼睫毛检测、虹膜特征提取等虹膜识别关键技术进行了研究，提出了相应的算法。研究了如何从虹膜特征中提取密钥，并将密钥与高级加密标准AES结合应用于图像加密。本书适合从事图像处理、生物特征识别研究方向的研究人员阅读，也可作为相关专业研究生的参考资料。

特征工程可以修改数据特征，更好地捕获问题本质，从而改进结果。这个过程既是一种艺术，也是技巧和诀窍的一种结合。本书是一本特征工程实用指南，主要探讨如何利用特征工程提升机器学习解决方案的性能。本书从特征工程的基本概念和技术开始介绍，建立了一种独特的跨领域方法，通过充分研究案例详细介绍了图数据、时间戳数据、文本数据和图像数据的处理方法，包括分箱、折外估计、特征选择、数据降维和可变长度数据编码等重要主题。

本书是面向青少年的人工智能科普书和入门教材，立足于趣味性、科学性、知识性和实践性，尽量避免晦涩专业术语对阅读流畅性的影响。书中还包含数十个精心筛选的实践案例，可根据读者需要灵活选用。 全书共5 个单元、14章，从人工智能的发展简史讲起，以语音、图像、生活中的典型场景及伦理问题为主要知识载体，聚焦问题，深入浅出地引出人工智能的基本思想、主要原理、知识概念、典型应用实践等。 本书可作为青少年课外科普读物和中学信息技术等学科的辅助教材、职业院校的专业教材和本科阶段的通识教育教材，还可作为相关培训教材和科学素质提升读本。

本书基于 C++编写，旨在带领读者动手打造出一个深度学习框架。本书首先介绍 C++模板元编程的基础技术，然后在此基础上剖析深度学习框架的内部结构，逐一实现深度学习框架中的各个组件和功能，包括基本数据结构、运算与表达模板、基本层、复合层、循环层、求值与优化等，最终打造出一个深度学习框架。本书将深度学习框架与 C++模板元编程有机结合，更利于读者学习和掌握使用 C++开发大型项目的方法。本书适合对 C++有一定了解，希望深入了解深度学习框架内部实现细节，以及提升 C++程序设计水平的读者阅读。

随着深度学习理论的不断发展以及 TensorFlow 的广泛应用，基于深度学习的信号分析模型在不同领域产生了深远的影响。本书为TensorFlow 2的使用指南，从软件安装、数据下载、文件管理等方面入手为初级开发者提供细致而全面的介绍。在此基础上，本书系统地介绍了TensorFlow 2在人工神经网络实战项目中的应用，全面覆盖了各种深度学习架构，内容涉及：入门级的二分类模型、回归模型等；进阶级的文本生成模型、图像生成模型、机器翻译模型、时序预测模型等；以及的Transformer模型等。在每个项目中，本书完整地展示了模型设计、网络搭建、模型训练、模型保存、结果预测与显示的全过程，并提供了详细的实现代码。本书将深度学习理论与实际项目结合，为初学者搭建了进入人工智能领域的学习平台，为深度学习算法开发者提供了较为全面的应用范例，充分满足了不同群体的学习需求。

本书旨在利用 TensorFlow 针对各种现实场景设计深度学习系统，引导读者实现有趣的深度学习项目。本书涵盖 10 个实践项目，如用目标检测 API 标注图像、利用长短期记忆神经网络（LSTM）预测股票价格、构建和训练机器翻译模型、检测 Quora 数据集中的重复问题等。通过阅读本书，读者可以了解如何搭建深度学习的 TensorFlow 环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格，以及如何实现一个能够自己玩电子游戏的人工智能（AI）！本书适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。

本书介绍自然语言处理的一个应用—机器翻译及相关知识。全书分为三部分。第一部分包含第1～4章，简要介绍机器翻译中的问题、机器翻译技术的实际应用及历史，讨论一直困扰机器翻译领域的译文质量评价问题。第二部分包含第5～9章，解释神经网络、基本机器翻译模型的设计，以及训练和解码的核心算法。第三部分包含第10～17章，既涵盖构建新模型的关键内容，也涉及开放性的挑战问题和一些未解决问题的前沿研究。本书主要面向学习自然语言处理或机器翻译相关课程的本科生和研究生，以及相关研究领域的研究人员。