《移动机器人控制导论》对轮式非完整约束全向移动机器人和机械臂的建模、控制和导航方法进行了完整而简明的研究。《移动机器人控制导论》中首先研究了移动机器人的驱动以及相应的运动学和动力学模型，并讨论了移动机器人中常用的传感器。然后，探讨了各种基于模型、无模型和基于视觉的控制器，并统一证明了它们的稳定性和跟踪性能。此外，书中还解决了路径规划、运动规划和任务规划的问题，以及定位和建图等主题的问题。书中还提供了大量的实验结果、移动机器人控制体系结构、系统和软件的概念概述，以及轮式移动机器人和机械臂在工业和生活中的应用。《移动机器人控制导论》是一本重要的技术专著，可以作为移动机器人领域的专业人员和研究人员的参考书，也可以作为大学机器人课程的补充教材。主要特点：清晰地提出移动机器人的概念。通过图表和示例进行详尽的阐述说明。通过大量的实验和模拟实例展示关键技术。无须事先了解预备知识，每一章的内容都从背景知识开始讲解。

配套视频+PPT+全部数据及源代码 获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：Keras 这是一本理论与实践兼顾的深度学习著作，它通过精心的内容组织和丰富的案例讲解，能让读者零基础入门，并迅速晋级为有一定理论基础和项目实战能力的高手。 基础方面，不仅介绍了Keras等各种深度学习框架的使用和开发环境的搭建，还对深度学习的基础知识做了全面讲解； 理论方面，详细讲解了全连接神经网络、卷积神经网络、循环神经网络、自编码器和生成式对抗网络等核心神经网络的原理和应用； 应用层面，不仅讲解了如何用Keras开发各种深度学习模型，而且还讲解了深度学习在图像处理和文本处理两大核心场景的应用； 实战方面，每个深度学习模型原理的背后都有精心设计的Keras实现代码，每章都有多个综合性案例，读者可以在调试和执行代码的过程中掌握深度学习模型设计与开发的各种方法和技巧。 本书内容结构合理，重点突出；写作方式循序渐进，易于读者理解；行文风格幽默风趣，读起来不枯燥。

《人工智能：探昔论今（英文版）》涵盖了人工智能的广泛领域。首先，《人工智能：探昔论今（英文版）》系统全面地介绍了人工智能的核心知识，包括传统人工智能的基本理论和技术，计算智能的基本原理和方法。其次，该书侧重于发展迅速、应用广泛的人工智能新技术，对神经网络和深度学习及其应用进行了较为全面的介绍。再次，该书理论与实践高度融合，第8章至第12章列举了人工智能的应用实例，如专家系统、智能规划、智能感知、自然语言处理等，有助于读者对人工智能的全面理解。《人工智能：探昔论今（英文版）》可作为高等院校相关专业本科生和研究生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者和技术人员学习参考。

本书以《写给新手的深度学习》这本书的内容为基础，对深度学习的内容进一步深入探讨。从简单的RNN到作为其发展形式的LSTM和GRU，甚至在生成模型中对VAEGAN进行处理。本书也和上一本一样不使用框架，而是将各种各样的深度学习的发展形式，数学公式和代码无缝连接，这样既能很好地理解内部的实现，也能在发生问题的时候轻松地想到解决问题的办法。本书虽然是上一本书的延续，但是内容体系是完整的，并在前三章对第一册内容进行了简单回顾，所以即使没有读过上一本书，也不影响本书的学习。

本书包含六个章节，详细分析了面向儿童群体的人工智能发展现状、与儿童相关的人工智能原则政策和法律，以及面向儿童群体的人工智能应用，并编选国内39个人工智能应用典型案例，尽可能反映涉及儿童群体的人工智能应用类型，如课堂教辅、在线教育、智能陪伴、儿童安全、儿童健康及公益/弱势群体等，具有一定实际参考价值。

本书集合了基于应用领域的高级深度学习的模型、方法和实现。本书分为四部分。第1部分介绍了深度学习的构建和神经网络背后的数学知识。第二部分讨论深度学习在计算机视觉领域的应用。第三部分阐述了自然语言和序列处理。讲解了使用神经网络提取复杂的单词向量表示。讨论了各种类型的循环网络，如长短期记忆网络和门控循环单元网络。第四部分介绍一些虽然还没有被广泛采用但有前途的深度学习技术，包括如何在自动驾驶上应用深度学习。学完本书，读者将掌握与深度学习相关的关键概念，学会如何使用TensorFlow和PyTorch实现相应的AI解决方案。

本书涵盖了经典和现代的深度学习模型。章节分为三类：第1部分为神经网络的基础。许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章的重点是理解传统机器学习和神经网络之间的关系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统都是神经网络的特例。本书将这些方法与特征工程方法如word2vec一起进行了研究。第2部分是神经网络的基本原理。训练和正则化的详细讨论在第3章和第4章提供。第5章和第6章介绍了径向基函数（RBF）网络和受限的玻尔兹曼机。第3部分是神经网络的高级主题：第7章和第8章讨论了循环神经网络和卷积神经网络。第9章和第10章介绍了几个高级主题，如深度强化学习、神经图像机、Kohonen自组织映射和生成对抗网络。这本书是为研究生、研究人员和实践者编写的。大量的练习和一个解决方案手册，以帮助在课堂教学。在可能的情况下，突出显示以应用程序为中心的视图，以便提供对每一类技术的实际用途的理解。

本书包括三个部分，首先介绍自动驾驶仪和库的特性。然后着重介绍对ArduPilot库的重要部分的理解，其中描述了代码的每个主要组成部分。第三部分是高级特性部分，目的是将获得的知识扩展到实时应用程序。每个部分都详细描述了代码及其组件、应用程序和交互。

本书简洁且全面地介绍了现代神经网络、人工智能和深度学习技术，专门为软件工程师和数据科学家设计。第1章逐步介绍神经网络的基础知识。第2章比较TensorFlow 1x和TensorFlow 20编程模型。第3章重点介绍回归。第4章介绍卷积神经网络及其在图像处理中的应用。第5章讨论了CNN在图像、视频、音频和文本处理方面的高级应用。第6章重点介绍生成对抗网络。第7章介绍词嵌入。第8章介绍基本嵌入方法的各种扩展。第9章介绍自动编码器。第10章深入研究无监督学习模型。第11章重点介绍强化学习。第12章介绍AutoML。第13章介绍用于移动设备和物联网的TensorFlow的基础知识。第14章讨论了云环境以及如何利用它来训练和部署模型。第15章讨论了深度学习背后的数学。第16章介绍TPU。本书内容丰富，易于理解，示例具有代表性，是学习深度学习的指南。

本书首先介绍了在具有完整位置和速度信息的全局坐标系中导航和运动规划的模型和算法。第二部分研究了机器人在势场中的运动，势场是由机器人的期望和知识的环境状态定义的。第三部分介绍了机器人在未知环境中的运动以及利用感测信息进行环境映射的相应任务。第四部分从二维和三维两个方面研究了多机器人系统和群体动力学。