这是一部融合了企业界先进工程实践经验和学术界前沿技术和思想的ORC著作。 本书由阿里巴巴本地生活研究院算法团队技术专家领衔，从组件、算法、实现、工程应用等维度系统讲解基于深度学习的OCR技术的原理和落地。书中一步步剖析了算法背后的数学原理，提供大量简洁的代码实现，帮助读者从零基础开始构建OCR算法。 全书共9章： 第1章从宏观角度介绍了ORC技术的发展历程、概念和产业应用； 第2章讲解了OCR的图像预处理方法； 第3~4章介绍了传统机器学习方法和深度学习的相关基础； 第5章讲解了基于传统方法和深度学习方法的OCR的数据生成； 第6章讲解了与OCR相关的一些高级深度学习方法，方便读者理解后续的检测和识别部分； 第7章讲解了文字的检测技术，从通用的目标检测到文字的检测，一步步加深读者对文字检测问题的认识； 第8章讨论了文字识别的相关技术，定位到文字的位置之后，需要对文字的内容进行进一步的解析； 第9章介绍了一些OCR后处理的方法。

本书重点在帮你掌握深度学习所要求的数学原理和编程实战经验，使你能快速使用TensorFlow轻松部署产品中的深度学习解决方案，并形成开发深度学习架构和解决方案时所需的数学理解和直觉。 本书提供了丰富的理论和实战动手经验，使你可以从零开始掌握深度学习，并能快速部署有价值的深度学习解决方案。本书重点讲解了与多个行业相关的深度学习实践方面的专业知识。通过这些实战经验，你将能够使用原型来构建新的深度学习应用程序。本书适合谁 正在研究深度学习解决方案以解决复杂业务问题的数据科学家和机器学习专业人员。 通过TensorFlow开发深度学习解决方案的软件开发人员。 渴望不断学习的师生和人工智能爱好者。

《GO语言机器学习实战》主要介绍了如何在Go语言中部署程序从而实现机器学习算法。主要内容包括：利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外，本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适合于具体项目的机器学习算法。

本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。 全书共15章，分为三个部分。 ·第一部分为机器学习基础：第1章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者全面了解相关知识；第2~3章介绍机器学习的基础知识。 ·第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；第10章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。 ·第三部分是进阶模型：第11章介绍概率图模型的基本概念，为后面的章节进行铺垫；第12章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络；第13章介绍深度生成模型，包括变分自编码器和生成对抗网络；第14章介绍深度强化学习；第15章介绍应用十分广泛的序列生成模型。 本书可作为高等院校人工智能、计算机、自动化、电子和通信等相关专业的研究生或本科生教材，也可供相关领域的研究人员和工程技术人员参考。 本书还配备了教学PPT、编程练习以及课后习题的讨论， 获取方式： 1.微信关注“华章计算机”（微信号：hzbook_jsj） 2.在后台回复关键词：蒲公英书

阐述可穿戴传感器原理、设计、制造和实施。主要内容包括穿戴式柔性传感器的制备与表征，穿戴式传感器的物理特性、设计和应用穿戴式医疗传感器信号调理智能电路，以及基于Python的传感器数据采集、数据提取和数据分析的基于GUI的软件开发。

本书以童心制物出品的单板计算机光环板（Halocode）及编程软件慧编程（mBlock 5）为载体，面向中小学生进行编程和人工智能启蒙教育，让学生掌握基础的程序设计知识、认识常用的传感器并学会利用电子模块制作创客作品，以达到提高科学素养、培养动手能力、激发创新意识的目的。本书围绕光环板的板载资源和对应的软件模块进行了比较系统而全面的介绍，并辅以d创新颖的例程，涵盖了基本输入/输出、智能感应、物联网、人工智能等方面的应用。同时，本书配套了相关的微课视频，扫描书中二维码即可观看学习。本书可作为中小学生科技课教材，也可作为光环板学习者的入门读物。

本书研究面向强噪声场景的低秩稀疏学习视觉目标跟踪方法。基于变分法和分数阶微积分理论改善强噪声场景下的视觉信息质量问题；基于低秩表示和稀疏表示理论解决目标外观多样性情况下的表观建模问题；基于融合LASSO、变分法和分数阶微积分理论解决复杂环境遮挡带来的目标特征丢失问题和目标快速运动带来的跟踪漂移问题；基于反向稀疏表示描述解决跟踪模型在线学习的计算效率问题。本书可供高等院校自动化、计算机、电子信息等相关专业的本科生和研究生，以及从事计算机视觉和数字图像处理领域的工程技术人员和研究人员参考阅读。

本书首先着重于行为树（BehaviorTrees，BTS）的语义和设计原则，效率、安全性和稳健性分析，以及学习和任务规划等的复杂的主题，并提供实践例子，从简单的插图到现实的复杂行为，使读者能够成功地将理论与实践结合起来。

本文围绕基于学习的自适应控制。首先，重点介绍一些重要的数学工具；然后重点阐述本书的重点内容：基于模型的或经典的自适应控制、无模型自适应控制和自适应控制的学习；第三章着重基于极值搜索的迭代反馈增益，给出机电一体化的应用实例；第4章介绍多参数的极值搜索控制算法自动调整反馈增益，给出强大的非线性控制器加模型学习算法；第5章是基于极值搜索的间接自适应控制，给出两个不同的MES算法，*后两章重点介绍极值搜索为基础的非线性系统参数辨识算法和求极值的迭代学习模型预测控制。

本书详细讲述了人工智能大潮中企业如何生存和发展，帮助企业看清人工智能，抓住生产力变革机遇，进行人工智能技术布局。首先，从商业应用角度介绍了人工智能的缘起和企业怎么认识人工智能，避开了艰辛的数学公式和繁多的技术细节，聚焦于人工智能在企业实际场景中的应用价值、优劣势以及未来趋势；然后，通过详尽的人工智能商业场景实例，展示了人工智能的商业模式，其如何融入企业生产，在各个环节发挥作用？是变革技术开拓新市场？还是替换现有生产方式？或者优化现有方法提升生产效率？最后，总结了人工智能应用场景落地的经验，介绍了从企业战略层面，如何切入并逐步开展人工智能落地，如何培养人才构建环境，从而提升企业核心竞争力。如果您对人工智能感兴趣，想尝试新技术提升自己或企业的核心竞争力；或者您是人工智能算法专家，想要找到适合落地的商业解决方案，那么本书不容错过。