《强化学习/人工智能科学与技术丛书》内容系统全面，覆盖面广，既有理论阐述、公式推导，又有丰富的典型案例，理论联系实际。书中全面系统地描述了强化学习的起源、背景和分类，各类强化学习算法的原理、实现方式以及各算法间的关系，为读者构建了一个完整的强化学习知识体系；同时包含丰富的经典案例，如各类迷宫寻宝、飞翔小鸟、扑克牌、小车爬山、倒立摆、钟摆、多臂赌博机、五子棋、AlphaGo、AlphaGo Zero、AlphaZero等，通过给出它们对应的详细案例说明和代码描述，让读者深度理解各类强化学习算法的精髓。《强化学习/人工智能科学与技术丛书》案例生动形象，描述深入浅出，代码简洁易懂，注释详细。该书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对强化学习感兴趣的研究人员和工程技术人员阅读参考。

《从物联网到人工智能》运用西方在基础教育阶段普遍采用的基于项目学习（project based learning）的方法，通过实践和精彩的项目来掌握这些技术的精髓，摆脱了大量纯粹的理论、公式、算法和代码的教学，潜移默化地将现代技术传授给学生。本系列教材分为上下两册：上册着重于基础知识的介绍以及运用我们设计的学习组件和私有云让读者深入学习、掌握物联网的应用。下册结合我们研发的人工智能教育平台让读者掌握和运用人工智能的基础技术。

随着人工智能科技的飞速发展，人工智能产品在许多领域得到广泛的应用，由此也引发了一系列伦理问题。本书从三个层面讨论了人工智能伦理中的若干基本问题。首先是人工智能伦理中的普遍性问题，比如机器人权利、机器人道德能力的建构以及人工智能安全问题等；其次是具体领域的机器人引发的伦理问题，比如军用机器人、情侣机器人与助老机器人等；第三是人工智能伦理问题的解决进路，包括道德责任、伦理设计、自反性伦理治理等内容。本书兼具学理性与通俗性，可供相关领域的科技工作者、哲学研究者以及对人工智能伦理感兴趣的人士阅读。

将深度学习方法应用于各种自然语言处理任务可以将你的计算算法在速度和准确性方面提升到一个全新的水平。《基于深度学习的自然语言处理》首先介绍自然语言处理领域的基本构件，接着介绍使用先进的神经网络模型可以解决的问题。深入研究各种神经网络架构及其特定的应用领域将有助于你理解如何选择模型来满足你的需求。随着学习的深入，你将学到卷积神经网络、循环神经网络、递归神经网络以及长短期记忆网络。在后面的章节中，你将能够使用自然语言处理技术（如注意力机制模型和集束搜索）开发应用程序。学完《基于深度学习的自然语言处理》，你不仅能具备自然语言处理的基础知识，还能选择文本预处理和神经网络模型来解决一些自然语言处理的问题。了解深度学习问题的各种预处理技术。用word2vec和GloVe构建文本的矢量表示。使用Apache OpenNLP创建命名实体识别器和词性标注器。在Keras中构建机器翻译模型。用LSTM开发文本生成应用程序。使用注意力模型构建触发词检测应用程序。

《人工智能开发实践：云端机器学习导论（英文版）》讲解Amazon、Google和Microsoft公司的强大云服务产品，以及Python数据科学生态系统的成熟技术，所介绍的工作流程和案例涉及从部署到生产各个环节，通过使用当代机器学习、人工智能和云计算工具逐步构建多种云端机器学习应用程序（覆盖体育、项目管理、产品定价、房地产等领域中的实际问题），帮助你构建可扩展的能交付于生产的解决方案。

《工业视觉系统编程与调试（基于VBAI视觉系统）》主要以工业视觉技术为主线，讲述工业视觉的基本组建、视觉软件的环境搭建、相机程序的编写以及工业视觉技术的应用。该书主要内容包括视觉系统基础知识、VBAI视觉系统、VBAI视觉实例、VBAI通信实例和工业机器人视觉技术综合实训。　《工业视觉系统编程与调试（基于VBAI视觉系统）》可作为职业院校、普通高校工业机器人专业、自动化专业、工业控制类专业教材，也可供从事工业视觉应用与编程的人员参考。

本书以遨博协作机器人为例，从协作机器人应用过程中需掌握的技能出发，由浅入深、循序渐进地介绍了遨博协作机器人入门实用知识。本书从协作机器人的发展切入，分为基础理论与项目应用两大部分。系统介绍了AUBO-i5机器人安全操作注意事项、首次拆箱安装、系统设置、基本操作、I/O通信、机器人指令与编程基础等使用内容。本书基于具体案例，讲解了遨博协作机器人系统的编程、调试的过程。通过学习本书，读者可对协作机器人实际使用过程有一个全面清晰的认识。 本书图文并茂、通俗易懂，具有很强的实用性和可操作性，既可作为高等院校和中高职院校智能制造相关专业的教材，又可作为协作机器人培训机构用书，同时可供相关行业的技术人员参考。

群体智能优化算法作为解决复杂优化问题的有力工具近年来获得了较大的发展，业已成为智能计算领域的研究热点之一。《多目标群体智能优化算法/新一代人工智能系列丛书》比较全面地介绍了多目标优化问题和群体智能优化算法的研究现状和发展趋势，讨论了多目标优化方法的基本知识和基本原理；探讨了多目标优化方法的性能度量方法和基准的多目标优化测试函数集，并分类阐述了几种多目标烟花爆炸算法、多目标萤火虫算法、多目标粒子群算法和多目标进化算法的设计过程，包括算法的算子、算法流程、实验方案和实验结果与分析等。《多目标群体智能优化算法/新一代人工智能系列丛书》可作为计算机、人工智能和其他相关专业高年级本科生、硕士研究生、博士研究生，以及多目标群智能算法的爱好者和相关从业者进行学习和研究的参考书。

计算智能是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而被设计出的一类算法的统称。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段，引起了国内外学者的广泛重视并掀起了研究热潮。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。本书在归纳近年来计算智能研究成果的基础上，系统且详细地介绍了计算智能中较为典型的9种算法——人工神经网络、遗传算法、蚁群算法、人工免疫算法、粒子群优化算法、人工蜂群算法、生物地理学优化算法、多目标优化算法以及约束优化算法，并给出了各个算法基于MATLAB软件的仿真实现过程和在信号与通信领域的应用实例，这使本书知识点的讲解通俗易懂、直观生动，易于读者快速掌握。本书可作为高等学校信号与信息处理、计算机应用技术、人工智能、模式识别与智能系统、自动化等专业本科生和研究生的教材，也可供计算智能相关领域的研究人员学习参考。

本书内容共10章。1章为绪论，包括机器视觉的相关概念，机器视觉的发展、基本任务、应用领域与困难，以及马尔视觉理论；2章为数字图像处理；3章为相机成像；4章为相机标定；5章为Shape from X；6章为双目立体视觉；7章为结构光三维视觉；8章为深度相机，介绍当前颇受欢迎的Kinect、Intel RealSense等深度相机的知识与相关应用；9章为机器学习基础；10章为机器学习在机器视觉领域的应用，包括机器学习在模式识别、图像分辨率重建、图像去噪、目标跟踪、三维重建等方面的应用。　本书除1章和9章，其他各章都配有应用案例，包括案例的分析过程、实验设置、实验数据、程序代码及运行结果。案例的编程实现采用了MATLAB、C++、Python程序设计语言，使用了OpenCV函数、MATLAB视觉与图形工具箱、Scikit-Learn机器学习工具包，以及MatConvNet、TensorFlow、Keras深度学习框架。通过讲解案例背景与原理、设计思路、实验步骤、开发环境与工具和实验结果，使读者能够根据案例理解相关内容，加强工程实际应用中理论和知识的学习。同时，本书对从事机器视觉与机器学习的科研人员和工程师也具有一定的参考作用。