科学计算可视化（ScientificVisualization，SciVis）是计算机图形学的一个重要研究方向，是图形科学的新领域。随着计算能力的不断增强，科学数据中使用的物理模型以及模拟空间的大小都在不断提高。本书尝试性地将机器学习理论应用于科学计算可视化中，大大提高了数据中特征识别的鲁棒性和准确率，同时结合流场数据

本书内容包括：一类四次指数多项式的零点分布；无自反馈的具时滞的四维神经网络模型的Hopf分支；无自反馈的具时滞的四维神经网络模型的Pitchfork分支等。

本书基于多重共现的知识发现方法的研究致力于将三个或三个以上特征项共现的现象作为研究主体，在总结现有的共现研究方法、数据挖掘技术、可视化技术、知识发现方法的基础上，拓展共现现象的研究范围。本书界定了多重共现的概念，构建了一套多重共现的基础理论体系，研究了可用于多重共现的可视化方式，设计并开发了三重共现的可视化分析工具，并

在大数据背景下，传统的决策管理正在从以管理流程为主逐渐向以数据为中心的范式转变，决策管理中各参与方提供的相关信息流向更趋于多元和交互，开源数据库SciDB开发商Paradigm4进行的一项针对111名北美数据科学家的调查显示，71%的数据科学家认为数据的多样性构成的挑战，远大于数据总量构成的威胁和挑战。多种粒度、多种数

本书针对大数据呈现的体量巨大、多源异构、动态性和不确定性等特点，以粒计算理论为基础，以优势关系粗糙集模型为研究对象，以增量学习技术为方法，以并行计算框架为支撑，构建大数据分析与挖掘的原理和方法及其算法，并融入了相关领域学者在动态知识发现、数据融合、大数据并行处理等成果，反映了基于粒计算和粗糙集视角处理大数据的最新进展。

本书借鉴认知科学的理论研究成果，对本体学习过程中的认知状态及其变化进行深入研究，提出本体学习的认知模型，给出该模型的形式化表示及实现方法。此外，本书还对本体学习研究的发展方向进行展望。

本书主要内容是研究非线性随机时滞神经网络系统的稳定与脉冲镇定。这些系统包括脉冲随机泛函系统、随机递归时滞神经网络、具不定脉冲参数的双向神经网络、Cohen-Grossberg型神经网络及其随机脉冲情况、一维整数格时滞细胞神经网络和分流抑制细胞神经网络。

本书介绍了商空间理论、三支决策理论和粗糙集理论等粒计算研究的概述和最新进展。全书共16章，主要由主要由三部分组成，具体包括问题求解商空间理论形成始末、商空间理论及应用综述、多粒度上空间分类搜索与结构分析、基于力度空间的最优聚类模型及应用等。

无人驾驶是人工智能发展到2017年的综合能力展现，是一个复杂的系统，涉及的技术点种类多且跨度大，核心技术是通过大数据与深度学习快速运算，实现安全驾驶，在未来减轻人类工作量。本书首先宏观地呈现了无人驾驶的整体技术架构，在读者对无人驾驶技术有了宏观认识后，本书深入浅出地讲解了无人驾驶定位导航、基于计算机视觉的无人驾驶感知系

《深度学习原理与TensorFlow实践》主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域最优秀的计算系统之一，《深度学习原理与TensorFlow实践》结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时，《深度学习原理与Te

本书系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。此外，我们还提供了大量的实例代码供读者学习研究，更深入地掌握这些内容。

本书对近年来稀疏学习、分类与识别领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。

本书对近年来认知计算和多目标优化领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。

本书从自组织、耗散结构、混沌研究、自创生理论、进化理论的方向对生命与生态环境的历史、前景与对策进行深入的探讨，介绍了从机械世界观到整体生态世界观的重要飞跃。

本书以多智能体系统协同群集运动控制为主线，首先介绍图论和控制器设计所用到的基础理论知识；其次，分别从拓扑结构的边保持和代数连通度两个角度介绍了连通性保持条件下的协同群集运动控制协议设计方法。进而，从个体动态模型和拓扑结构模型两方面继续深入，针对典型的轮式移动机器人非完整约束模型介绍了连通性保持条件下的协同控制策略，为简

本书内容分三部分：证据推理方法；置信规划库建模方法；证据推理与置信规则库的应用。

本书前两章介绍了TensorFlow的基础知识和概念；第3章和第4章介绍了简单的示例及全连接神经网络；第5章和第6章介绍了基础的卷积神经网络，以及目前比较经典的AlexNet、VGGNet、InceptionNet和ResNet；第7章介绍了Word2Vec、RNN和LSTM；第8章介绍了强化学习，以及基于深度学习的策

知识迁移的目标是使机器具有和人一样的“举一反三”的能力，通过已掌握的知识来完成新的任务。知识迁移是机器突破程式化约束，具有自主学习能力的关键因素，近年来已成为人工智能的研究热点之一。从“如何迁移”“迁移什么”与“何时迁移”等角度入手，系统阐述了关联知识的表达形式、迁移的方式与手段以及实现迁移的时机等问题。然而知识迁移方

《神经网络导论》共5章，第1章主要介绍神经网络、微分系统稳定性理论和泛函分析的基本理论和概念；第2章介绍神经网络的基本模型及算法；第3章介绍后期比较热门的三种神经网络，即Hopfield神经网络、细胞神经网络与双向联想（BAM）神经网络的模型及动力学问题；第4章介绍复杂神经网络模型及动力学问题；第5章介绍神经网络的应用

本书用丰富的图示和实验，将物体的自动理解技术和机器学习的理论相结合，以实现物体的自动理解技术为主线，以机器学习的理论作为主要方法，结合实例逐步深入地介绍了机器学习相关理论。主要内容包括特征提取、三维网格分割、三维场景重建、三维模型功能性分析等，涵盖了目前常用的主流的各种学习方法。本书结构紧凑，内容逐步深入，同时包含大量