人工情感是指以心理学、人工智能、脑科学、认知科学、信息科学等学科为理论基础，利用信息科学的手段对人类情感过程进行模拟、识别和理解，使机器能够产生类人情感，并与人类进行自然和谐的人机交互的研究领域。魏斌、陈寒、张妍、黄素蓉编著的《人工情感原理及其应用》详细地介绍了人工情感的相关理论及其应用，总结了国内外相关领域的研究成果，给出了具体详尽的应用实例。《人工情感原理及其应用》的研究内容具有典型的交叉性，涉及心理学、认知科学、人工智能、计算机科学等多个学科领域。《人工情感原理及其应用》共分成5章。第1章概述了人工智能的内涵、相关研究内容及发展简史，以及作为人工智能的人工情感的内涵、理论基础、研究内容及发展历程；第二章主要介绍了人工情感的研究领域及其成果；第三章、第四章、第五章分别阐述了人工情感技术在人脸表情识别、仿人面部表情机器人、服务型情感机器人3个领域的应用。

Google近日发布了TensorFlow 1.0候选版，这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold，以及数不胜数的经典模型在TensorFlow上的实现（Inception Net、SyntaxNet等）。在这一年多时间，TensorFlow已从初入深度学习框架大战的新星，成为了几近垄断的行业事实标准。 《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning（Policy Network、Value Network）。此外，《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。

《机器人控制技术》系统、深入地介绍了机器人控制的关键技术、方法以及实际应用。全书共8章，内容包括机器人的机械、机器人的硬件、机器人的电源系统、机器人的信息获取、机器视觉、机器人的底层控制、机器人的空间坐标变换、机器人运动学建模、动力学建模、机器人的路径规划以及机器人的操作系统ROS。本书内容新颖，注重理论与实际应用相结合，每个章节基本配有实例，力求使读者能较快地掌握与应用机器人的控制技术。本书可作为高等院校自动化、机械工程、机电一体化、系统工程、信息工程、计算机等相关专业本科生、研究生教材，也可以作为工程技术人员与科研工作者的参考书。

本书系统地介绍了机器人技术的基础知识和应用实例以及机器人竞赛的有关知识，比较全面地反映了国内外机器人研究和应用的*进展。全书共分为9章。主要内容有机器人的基本概念与分类、基本组成、技术参数，机器人的运动学和动力学，机器人的轨迹规划，机器人的控制，机器人传感器，焊接、喷漆、装配、洁净与真空机器人、移动式搬运机器人等工业机器人的应用实例，移动机器人定位与导航，以及机器人竞赛的种类及应用实例。本书可作为从事机器人学研究、开发和应用的科研工作者和工程技术人员的参考书，也可以作为高等院校自动控制、机械工程、电子工程、机电一体化等相关专业本科生和研究生的教材。

文本作者身份识别广泛应用于文学作品、新闻稿、商品评论、垃圾邮件的作者身份鉴定以及法庭取证等领域。随着大数据时代网络文本的大量涌现，匿名文本的作者身份识别在网络取证、不良舆情监控等任务中的应用成为国内外学者关注的热点。本书探讨了文本作者身份识别的关键问题、基本方法和*研究进展，并应用于实践得以验证。全书共7章，分为3部分： 第1部分包括第1~2章，介绍文本作者身份识别的基本概念、研究内容、建模基本方法和主要应用领域； 第2部分包括第3~4章，介绍现有的作者身份文体特征、作者身份识别算法、性能评价指标、主要实验平台等； 第3部分包括第5~7章，介绍本书对作者身份识别研究的贡献和在中英文博客、微博语料上的实验验证。本书主要面向文本挖掘领域的研究生和相关专业的研究人员，既可以作为文本分析与处理研究的教科书，也可以作为政府相关部门产品研发人员的参考书。

《未知环境下智能机器人自主导航定位方法与应用》以智能机器人自主导航定位技术的理论和方法作为研究内容展开论述。《未知环境下智能机器人自主导航定位方法与应用》共分九章，主要包括六方面内容：智能机器人与SLAM问题描述、环境特征提取、EKF—SLAM改进方法、FastSLAM改进方法、数据关联改进方法及智能机器人研究展望。全书以移动机器人为主线，系统地展现了SLAM技术内涵、环境特征表示、环境特征提取、EKF—SLAM、FastSLAM、数据关联等机器人导航定位研究的基础理论，并依据国际标准数据库和仿真实验，给出了相应各改进算法的验证结论。之后，作为SLAM技术研究的延伸和扩展，《未知环境下智能机器人自主导航定位方法与应用》阐述了自主水下航行器特定环境下、特有传感器、特殊的海试数据基础上的SLAM关键技术的各项研究成果。全书学术思想较新颖、研究内容较经济改革翔实，理论实际结合较紧密，可读性较强。

（1） 本书内容全面，详细介绍了经典自动控制理论、状态空间控制理论、离散数字系统控制理论技术和非线性系统分析的基本知识。整本书结构清晰明了、内容丰富，融会贯通了由基本概念到实际应用的思想。本书浅显易懂，数学理论分析过程翔实， 读者只需要一定的微分方程、线性代数和拉普拉斯变换基础就可以理解其中的知识，可以作为大多数高校的教材。（2） 每章的结构安排清晰合理。每章的简介（Introduction）部分都提纲挈领地给出了章节的知识背景和控制要求，以及章节的主要内容结构分布。在每章的各个小节，作者首先详细介绍各种理论、技术，紧接着给出翔实的例子，避免了读者局限于抽象的理论。而每章末尾对关键的知识点及时地进行了小结，有助于加深读者对所学知识的了解，形成完整的知识理论体系。（3） 本书较早地引入了MATLAB的使用，并且在大量的实例中对使用MATLAB进行了分析。关键的例子在书本中提供了具体代码，读者可以轻松地在MATLAB中进行模仿练习。因此建议读者结合MATLAB学习，有利于快速培养起分析和设计控制系统的能力。

本书从非线性运动理论的基本知识、弹箭运动方程的建立和线性运动简述、非线性诱导滚转力矩以及变系数的影响、非旋转弹箭的非线性运动、旋转弹箭的非线性运动、弹箭非线性运动分析的摄动法几方面讲述了弹箭非线性运动理论，并在最终章节阐述了验证及应用这些理论所必须研究的非线性气动系数获取方法。

本书系统地阐述了人工智能的基本原理、实现技术及其应用，全面地反映了国内外人工智能研究领域的*进展和发展方向。全书共19章，分为4个部分： 第1部分是搜索与问题求解，用8章的篇幅系统地叙述了人工智能中各种搜索方法求解的原理和方法，内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等；第2部分为知识与推理，用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术，还包括非经典逻辑推理技术和非协调逻辑推理技术；第3部分为学习与发现，用3章的篇幅讨论传统的机器学习算法、神经网络学习算法、数据挖掘和知识发现技术；第4部分为领域应用，用3章分别讨论专家系统开发技术和自然语言处理原理和方法。 这些内容能够使读者对人工智能的基本概念和人工智能系统的构造方法有一个比较清楚的认识，对人工智能研究领域里的*成果有所了解。 本书强调先进性、实用性和可读性，可作为计算机、信息处理、自动化和电信等IT相关专业的高年级本科生和研究生学习人工智能的教材，也可供从事计算机科学研究、开发和应用的教学和科研人员参考。

本书跨越心理学、机器人学、计算机科学和神经医学等众多领域，全面且系统地论述了发展型机器人学的理论基础和研究动态。全书共9章，首先介绍基本原则和主要实验平台，随后结合儿童发展心理学理论，通过实验详细探讨了内在动机、运动技能和早期语言等机器人行为及认知功能的建模和实现，后展望了未来的研究方向。本书旨在为跨学科的发展型机器人研究者提供帮助，也可作为高等院校机器人相关研究方向的教学用书。