人工智能
-
Matlab/Simulink动力学系统建模与仿真黎明安,钱利《Matlab/Simulink动力学系统建模与仿真(第2版)》主要介绍了动力学系统中微分方程模型、传递函数模型和状态空间模型等建立的基础理论,并引入了Simulink仿真技术,为解决复杂动力学问题(特别是不易得到解析解的动力学问题)提供了方法。《Matlab/Simulink动力学系统建模与仿真(第2版)》编排了较多的例题来说明各类动力学模型的仿真模型的建立方法,以及差分模型、相似模型、时域和频域等仿真模型,最后将控制动力学基础知识作为后继研究的扩展内容做了介绍。《Matlab/Simulink动力学系统建模与仿真(第2版)》是一本多学科内容相交又的教材,同时涉及了力学、电学和动力学控制等学科的交叉知识。《Matlab/Simulink动力学系统建模与仿真(第2版)》适合具有一定数学和力学基础知识的理工科专业的本科高年级学生使用,可以作为机械工程、土木工程、车辆工程和仪器仪表、印刷机械等本科高年级学生和相关专业的研究生在学习有关动力学系统建模与仿真内容时的参考书,还可供相关工程技术人员参考。 -
与机器人交朋友赵超鸿 编著内 容 简 介本书是面向中小学生教与学的机器人实战用书,旨在探究机器人的传感技术、搭建过程和程序设计等。书中以情景创设、发现问题、探究问题、解决问题、应用拓展、科普阅读的思路编排内容,以“探究”、“实验”、“思考”、“观察”、“动手”、“交流”等形式贯穿整个学习过程。全书内容分为有趣的玩伴、生活小帮手、学习好助手三个单元,每个单元由若干个贴近中小学生学习、生活、玩耍的机器人实战例子组成。本书适合中小学生机器人课程教学,可作为相关课程教材或自学参考用书。 -
机器人技术基础宋伟刚本书比较系统地介绍了机器人技术,它是一门现代综合性技术。全书共11章,第1、2章叙述了机器人的概况和基本结构;第3、4章讨论机器人运动学和动力学问题;第5、6章论述机器人基本控制方法和现代控制技术;第7、8章讨论机器人传感技术与感觉信息的处理;第9章论述机器人人工智能的相关问题;第10章介绍机器人编程技术;第11章介绍移动机器人的引导方法和步行机器人步态稳定性分析与设计方法。本书可作为高等学校本科生和研究生的机器人技术相关课程的教材,也可供从事机器人研究、开发和应用的科技人员参考。 -
自组织机器人(日)村田 智(Satoshi Murata)(日)黑河 治暂缺简介... -
智能虚拟环境中的人工情感研究石琳,郭宇承,谷学静,李志刚暂缺简介... -
交互设计中的人工情感谷学静,石琳,郭宇承暂缺简介... -
焊接机器人案例教程邵慧、吴凤丽 主编本书在介绍工业机器人的基本概念、分类、组成和应用的基础上,以Panasonic机器人为例,主要介绍了焊接机器人的操作、编程方法及保养维护。全书共分为五个项目、十三个任务,以学生动手实践为主线,采用任务描述、任务分析、知识储备、任务实施、任务小结、思考与练习等几个环节进行学习。本书侧重于对学生实际操作能力的培养,语言通俗易懂,图文并茂,并紧密结合现场的实用技术,突出综合素质、职业能力和应用能力的培养。本书可作为中等职业院校焊接专业教材和企业岗位培训教材,也可供相关技术人员参考使用。 -
自动指纹识别系统关键技术刘宁 著《自动指纹识别系统关键技术》是一本专业性很强的学术专著。自动指纹识别系统由于体积小、成本低、易操作、可靠性高等优点越来越受到人们的青睐,成为重要的生物识别技术之一。书中针对自动指纹识别系统中指纹图像分割、指纹方向场计算、指纹奇异点检测、指纹图像细化、指纹匹配、指纹采集设备无关性等关键技术的算法流程、存在问题和可行的解决方案等进行了研究。 -
机器人完全DIY许鸿文,殷蔚明,罗林波《机器人完全DIY 从零起步》既不是一部传统意义上的理论教科书,也不是一部包罗万象的百科全书,而是一部篇幅简短、提纲挈领、可操作性较强的以实践为导向的机器人入门书,除了浅显地介绍机器人工作的基本原理以外,也会深入介绍机器人技术领域涉及的一些基本技术和概念,供大家在有需要做深入研究时,通过检索获取很多专业资源。《机器人完全DIY 从零起步》既适合作为大专院校机械、电子、计算机等相关学科的机器人导论性质的教材,也适合作为高等职业技术学校、高级中学、业余机器人制作爱好者进行创新训练和学习机器人的启蒙读本。《机器人完全DIY 从零起步》结合教学机器人的应用实例,说明了学习、设计和制作机器人的一些基本概念、原理和方法。出于书籍篇幅的考虑,也限于水平,总体上对于机器人技术领域的涉足还是比较粗浅的,对于存在的错漏之处希望得到读者朋友的批评指正,以期在后续版本中不断改善。 -
机器学习实践(美)柯克(Matthew Kirk)《机器学习实践:测试驱动的开发方法》面技术开发人员、CTO和咨询顾问人员,介绍了机器学习的基本原理,涵盖了测试驱动的机器学习、机器学习概述、K近邻分类、朴素贝叶斯分类、隐马尔科夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进与数据提取等内容。
