高拱坝质量与安全事关国计民生。我国拱坝建设已进入300m级时代，施工期温控防裂、运行期整体安全和抗震安全是其建设面临的三大挑战。温控防裂是世界性难题，采用现有技术仍然难以解决。本书旨在为特高拱坝建设提供科技支撑和系统解决方案： 针对“特高拱坝温控防裂、工作性态分析、工程数据共享”等难题，基于“感知、分析、控制”的特高拱坝智能化建设理论，在“实时监测、全坝分析、智能控制、协同工作”等多学科技术上进行系统研究，介绍了以“大坝全景信息模型与智能拱坝建设信息化平台”为核心软件环境，及“大坝施工全过程综合信息感知与实时监控技术、基于海量感知数据的大坝仿真分析关键技术、大坝基础质量智能控制技术”等智能控制装置和系统。 \n图书内容新颖翔实，涉及多学科交叉，涵盖移动通信技术、数据筛选分析技术、三维仿真技术、预警预判和决策支持技术、高精度定位技术等多种技术，为特高拱坝施工期质量控制、温控防裂等提供了科技支撑和系统解决方案，可供相关领域人员参考和学习。 \n \n

暂缺简介...

本书详细介绍了目前深度学习相关的常用网络模型（ANN、CNN、RNN），以及不同网络模型的算法原理和核心思想。本书利用大量的实例代码对网络模型进行了分析，这些案例能够加深读者对网络模型的认识。此外，本书还提供完整的进阶内容和对应案例，让读者全面深入地了解深度学习的知识和技巧，达到学以致用的目的。本书适用于大数据平台系统工程师、算法工程师、数据科学家，可作为对人工智能和深度学习感兴趣的计算机相关从业人员的学习用书，也可作为计算机等相关专业的师生用书和培训学校的教材。

《人脸识别技术与应用》对人脸识别技术及其应用作了浅要分析，主要内容包括人脸识别研究的背景及意义，人脸识别综述，面向光照变化人脸识别的稀疏表示模型研究，基于局部特征提取的人脸识别，基于统一准则的特征提取与分类方法，其他人脸识别方法简介。《人脸识别技术与应用》可供从事人脸识别技术研究的科研人员阅读参考。

人工智能是当下受关注的技术创新和产业趋势。从积极方面说，人类能够利用人工智能提高生产和生活效率，这已成共识，可以讨论的只是在多大程度上实现这一点。从消极方面说，“第四次革命”“奇点”“颠覆性影响”等说法，形形色色，传递出人类对人工智能既爱又怕的复杂心态。为了利用人工智能，应对可能的冲击，前瞻人工智能可能给人类带来负面影响的研究越来越多，这同样是必要的，只有把各种可能性都做了考虑，才能未雨绸缪，确保人工智能开发不至于走得过远，集聚失控风险。问题是，目前国内有关人工智能风险的研究大多未涉及人工智能本身的属性，即使有，多半也只是一些碎片化言论，缺乏完整论述，更未对所取立场、视角和方法作方法论反思。因此，此类研究虽则在具体问题上见仁见智，提出了不少有价值的看法，但基本上停留在形而下的层面，将人工智能等同于人类已有的创造，并以人类过往对科学技术的有效管控为参照，对人工智能与人类智能的关系，采取简单乐观的态度，至多针对就业岗位减少等表层效应，提出预测和应对方案，而就人工智能开发整体上表示审慎态度和长远忧虑的论述极少。客观地说，如此态势对人工智能的发展来说，构成了相当友好的环境，但就正视人工智能可能带来的颠覆性影响，充分评估潜在的负面效应，提前做好风险应对的准备而论，则是明显不够的。一旦出现未曾预料的新现象、新进展、新证据或新后果，现有的前瞻研究很可能被证伪，无法起到科学预测应有的作用。事实上，从“深蓝”到AlphaGo，遵循“摩尔定律”的人工智能，以其神速发展和已达到的智慧水平，一再令人大感意外。按照这样的轨迹和速率，在未来的日子里，人工智能震惊人类的频率和烈度，只会趋于密集和增高，盲目乐观将被证明是不明智甚至愚蠢的。作为对人类共同命运的关注，中国的人工智能风险研究尤须走出表层思考，努力提升思维层次，形成与发达国家学者对等交流的态势。从确保前瞻研究的方法论严谨和预测可靠出发，保持适度超脱，站在哲学高度，严肃提出问题，破除遮蔽，擦亮思维，激发洞察，才能站上前瞻研究的制高点。

《情感机器人》指出目前的“情感计算”犯了方向性错误，把情感的外在表现形式当作情感本身；指出情感的本质就是价值，情感表达、情感识别、情感计算在本质上就是价值表达、价值识别和价值计算；根据“数理情感学”所揭示的情感本质、情感数学定义、情感强度三大定律、情感的逻辑运算法则等，创造性地建立了情感的理论模型；构建了情感机器人的八大系统：感觉系统、认知系统、评价系统（包括价值观系统和情感系统）、意志系统、自我意识系统、记忆系统、注意系统、感知情意交互系统，并且详细绘制了八大系统的逻辑框图；深刻阐述了人类自主性、人情味和创造性的根本来源，全面分析了情感机器人所面临的伦理问题、法律问题、社会问题和技术问题。本书适合于从事计算机技术、互联网、人工智能、人工情感、机器人、思维科学、生命科学、心理学等方面工作的人群。

Google的TensorFlow是机器学习世界的游戏规则改变者。《TensorFlow 1.x机器学习（影印版 英文版）》将教你如何发挥Python和TensorFlow 1.x的威力更容易地入门机器学习。首先，你将了解基础的安装过程并浏览TensorFlow 1.x的各种能力。然后是训练和运行分类器，以及介绍库中的特性，包括TensorBoard的数据流图、训练和性能可视化——全部通过一个例子展现——富含背景信息且来自多个行业的实际问题。你将进一步探索文本和图像分析，并在TensorFlow 1.x中学习CNN建模和设置。接下来，实现一个完整的真实生产系统，从训练到运行一个深度学习模型。逐步深入学习Amazon Web Services（AWS）并创建一个深度神经网络以解决视频活动识别问题。*后，把caffe模型转换到TensorFlow，并学习高级TensorFlow库：TensorFlow—Slim。学完《TensorFlow 1.x机器学习（影印版 英文版）》，你会被武装成可以应对机器学习环境中任何TensorFlow 1.x相关挑战的绝地武士。

暂缺简介...

通过阐释充满争议的法律、伦理和哲学问题，本书揭示了围绕机器人及其调控产生的问题远比人们预计的复杂，尚有大量关于机器人界定和适用的问题等待解决。

本书内容主要涉及：深度学习的数学理论基础，包括重要的统计学和线性代数的相关基本概念和知识；深度学习的各种典型模型，例如传统的单层感知器模型、多层感知器模型，以及卷积神经网络、循环神经网络、受限玻耳兹曼机、深度信念网络等一些更为复杂的模型；构建深度学习模型的实验设计方法以及实验过程中的特征选择方法；应用R语言进行机器学习和深度学习实践的案例。