本书是美国机器人杂志《Servo》精华内容的合集。全书根据主题内容的相关性，进行了精选和重新组织，分为5章。第1章介绍了机器人的历史、发展状态以及前景。第2章是新款机器人的产品实测，还包括了格斗机器人DIY的文章。第3章是“跟Mr.Roboto动手做”的专栏文章。第4章是系列文章的合集，详细介绍了一款机器人的动手构建。第5章是全球机器人领域的研究动态和资讯。本书内容新颖，信息量大，对于从事机器人和相关领域的研究和研发的读者具有很好的实用价值和指导意义，也适合对机器人感兴趣的一般读者阅读参考。

本书全面阐述了模式识别的基础理论、*新方法以及各种应用。讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比，增加了大数据集和高维数据相关的*新算法，提供了*新的分类器和鲁棒回归的核方法。新增一些热点问题，如非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、谱聚类和聚类组合技术。每章均提供有习题与练习，用MATLAB求解问题，给出一些例题的多种求解方法；且支持网站上提供有习题解答，以便于读者增加实际经验。

智能推理是实现智能化的基础，它包括经典的单调推理和非单调推理。《智能推理及其在信念修正中的应用》首先介绍了经典的单调推理中的命题推理系统和谓词推理系统，以及推理的公理化系统和自然推理系统；其次，介绍了单调推理系统下的自动推理算法和可满足性验证算法：然后介绍了非单调推理的主要理论和方法，包括非单调推理逻辑、自知逻辑、缺省逻辑和限定逻辑、信念修正的理论和方法，以及信念修正的实现算法；最后介绍了Petri网用于逻辑推理和信念修正的方法。《智能推理及其在信念修正中的应用》可供人工智能、逻辑学、智能信息处理、智能控制、计算机科学与技术、软件工程等专业的教师、研究生以及相关领域科研工作者参考。

在人类活动中，服务系统的理论有着广泛的应用。周玮民著的《随机服务系统的理论与实务》所讨论的是：因顾客对服务要求的随机性而引发的系统行为与绩效的变化。对系统而言，顾客人数变化是一个生灭过程的结果。由顾客的观点来看，他经历的却是一个等待过程。因此系统的行为与绩效主要是以系统中顾客拥挤的程度以及他们花费在系统上的时间来表示。利用随机过程的数学模型对系统进行分析时，顾客不同的服务要求与系统操作的规则就成为模型的假设条件。为此，作者对多年来从事的许多实际案例进行整理与资料分析。

本书旨在引领读者对工业机器人由浅入深地进行认识与操作。书中以应用较为广泛的ABB工业机器人为对象，结合实际工程应用案例，通过对机器人本体认知、安装与示教器基本操作，逐渐过渡到工业机器人典型工作站的应用。书中内容结合工程应用需要，尽量体现国内外近年来在机器人前沿技术和实际应用方面的先进经验，内容囊括了ABB机器人安装与示教器使用、RobotStudio离线编程软件基础入门、ABB工业机器人自动控制、ABB工业机器人典型工作站应用案例分析，使读者对ABB工业机器人及其作业示教的操作应用有一个较为全面及详实的掌握。为了便于广大教师开展教学工作，本书配有内容丰富的多媒体课件、思考与练习题答案，读者可发送邮件至：goodtextbook@126.com免费索取。全书深入浅出，贴近现场应用，既可作为普通高校和高职院校机电一体化、工业机器人及电气自动化等相关专业的教材，又可作为工业机器人应用的专业培训机构教学用书，同时可供从事工业机器人操作与示教的相关技术人员参考。

本书面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下，逐步带领读者熟悉并且掌握当下流行的机器学习、数据挖掘与自然语言处理工具，如Scikit-learn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。全书共分4章。第1章简介篇，介绍机器学习概念与Python编程知识；第2章基础篇，讲述如何使用Scikit-learn作为基础机器学习工具；第3章进阶篇，涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能；第4章竞赛篇，以Kaggle平台为对象，帮助读者一步步使用本书介绍过的模型和技巧，完成三项具有代表性的竞赛任务。

本书旨在为AR和VR程序开发者提供全面的参考资料，要求读者具备C#及Unity3D的基础知识，书中包含大量真实案例，操作步骤详尽，代码清晰。本书适用于高校计算机相关专业学生学习AR及VR技术，同时也适用于企业开发人员。

《视觉注意和人脑记忆机制启发下的感兴趣目标提取与跟踪》将人类的认知机制与计算机视觉、图像处理和模式识别相结合，从认知心理学出发对基于视觉注意和人脑记忆机制的感兴趣目标提取和跟踪认知建模方法进行了研究。首先基于生物视觉注意机制对人类视觉显著性特征的感知进行建模和研究，并将其用于感兴趣目标的提取：然后基于人类记忆机制特别是人脑三阶段记忆模型建立一种视觉信息处理认知模型，用于模拟人类对视觉模式进行感知、注意、匹配、分类、学习和决策的过程，并将其与混合高斯背景建模、码本背景建模、Mean-shift目标跟踪、粒子滤波目标跟踪以及多智能体协同进化等相结合，详细研究了其在感兴趣目标提取以及跟踪中的应用，并通过大量的视频目标检测与跟踪实验对算法进行了验证，为在动态复杂视频环境中实现快速鲁棒的感兴趣目标提取和跟踪提供了一条新的研究思路和实现途径。《视觉注意和人脑记忆机制启发下的感兴趣目标提取与跟踪》可供计算机科学领域人工智能、模式识别、智能信息处理专业研究生、博士生以及相关专业的研究人员参考。

群机器人是一类特殊的多机器人，可在协调控制作用下自组织地涌现期望的集体行为，执行相对复杂的给定任务。群机器人学是机器人技术和群体智能计算方法结合的产物。《群机器人协调控制》从自然启发的角度，以目标搜索任务为载体，在群体智能原则框架内阐述群机器人的协调控制方法、策略及算法，包括群机器人系统建模方法、带动态调节的自适应任务分工、基于扩展微粒群算法模型的协调控制等。《群机器人协调控制》适合群机器人领域和智能控制、智能计算等其他相关领域的研究人员参考。

这本书通过给出易操作的实践指导、采用简单的例子、激励学生讨论有趣的应用问题，用一种易于理解的方式介绍了机器学习的基本思想。本书主题包括贝叶斯分类器、近邻分类器、线性和多项式分类器、决策树、神经网络以及支持向量机。后面的章节展示了如何把这些简单工具通过“提升”（boosting）的方式结合起来，怎样将它们应用于更加复杂的领域，以及如何处理各种高级的实践问题。其中有一章介绍了广为人知的遗传算法。