本书介绍了机器人操作系统ROS的基本概念及开发调试方法。全书分5章，第1章为Ubuntu操作系统，介绍了Ubuntu20。04的使用、文件与目录操作、vi编辑器和包管理；第2章为ROS概述与环境设置，介绍了如何在虚拟机上安装ROS和设置VSCode开发环境；第3章为ROS系统架构，介绍了ROS系统的构成与目录结构；第4章为ROS通信机制，介绍了ROS话题、消息服务、参数，并在ROS自带的仿真海龟示例基础上，通过大量例子讲述ROS通信命令的用法和Python程序实现；第5章为ROS运行管

本书包含9章内容，第1章绪论介绍机器人的基本组成、分类、发展历程和应用，以及机器人机构创新设计的研究内容。第2章和第3章介绍机器人学研究涉及的数学基础，并根据机器人机构创新设计的流程重点介绍有限-瞬时旋量数学框架。第4章至第8章涵盖串联、并联机器人机构设计的全部环节，包括机构构型综合、运动学建模、静力学建模、动力学建模以及多目标多参数优化设计方法。第9章以两个典型的应用场景例，阐述利用前述章节的理论方法开展并联机器人机构创新设计的流程。本书既重视与机械原理设计等基础课程的衔接，也注意与

本书以Python为主要编程语言，致力于帮助读者深入了解机器学习的核心概念与理论，并通过实际项目实践加深对概念的理解。首先，本书从机器学习的基础概念开始，介绍了常见的典型线性模型、前馈神经网络、卷积神经网络、循环神经网络和图神经网络等算法。通过清晰的实例和案例，读者可以逐步掌握回归、分类、聚类等机器学习任务的关键原理和技术。随后，本书着重介绍项目实践，通过机器学习模型的应用案例，引导读者将理论知识转化为实际项目，包括数据清理、特征工程、模型选择和调优等内容。此外，本书关注新的机器学习趋

在中国教育部的支持下，北京大学与国内外多所顶尖中学联合启动的“亚洲青少年交流计划”自2021年开始，接收来自国际顶尖高中学生共同参与线上课堂，相互学习、共同探讨。此项计划不仅凝聚了教育、科技界的智慧和资源，而且着眼于拔尖创新人才的培养，是一次大学与中学深度融合、共同育人的创新尝试，致力于在真实的科研课题学习与实践中，为中学生打造一个全方位、跨学科的学习体验。北京大学的顶尖教授团队亲自设计并讲授的课程，不仅旨在巩固中学生的学科知识，更重要的是引导中学生培养跨学科思维和科学家精神，激发对科

本书由编者根据20余年的教学经验编写而成，历经多次修正及改版，是适合C语言初学者的一部经典之作。本书内容循序渐进，浅显易懂，既有广度又不失深度，内容与案例以及讲解方式专为编程初学者而设计。该书从分析C语言程序的基本结构入手，介绍常量、变量、表达式和常用的输入/输出函数、流程控制、数组和字符串处理、函数、指针、编译预处理命令、结构体和共用体、文件、C语言高级程序设计和实验指导等知识点。书中以C89/C90标准为主线，兼顾C99和C11标准，示例程序都可在C语言集成开发环境下编译和运行，每

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高等级内容。此外，还介绍了机器学习的热门应用领域技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，每章后都有习题和参考文献，便于巩固学习，适用于高等院校本科生、研究生机器学习、数据分析、数据挖掘

本书剖析了图像复原技术的最新进展，并探索了深度学习技术在图像复原过程中的关键作用。内容包括：基于传统机器学习的图像复原方法、基于卷积神经网络的图像复原方法基础、基于双路径卷积神经网络的图像去噪方法、基于注意力引导去噪卷积神经网络的图像去噪方法、基于级联卷积神经网络的图像超分辨率方法等。

本书图文并茂、深入浅出地介绍了机器学习算法所需的数学、Python语言编程基础知识，以及回归模型、K 近邻、K 均值、决策树、弱学习器集成、人工神经网络、深度学习等常用的机器学习算法。全书共10 章，每章习题中都配套了实验练习环节，实验内容包括Python 开发环境配置、机器学习算法的实际应用等，所有实验都配有Jupyter 的Python 代码，从而使读者既能掌握算法理论原理，又能进行实际应用。
　　本书适合作为普通高等院校本科或研究生阶段的人工智能、机器学习、数据挖掘等课程的教材，也适

本教材系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络，以及强化学习。本教材旨在使读者了解机器学习的发展，理解和掌握机器学习的基本原理、方法与主要应用。本书内容丰富，着重与讲解机器学习理论的推导与证明，并通过实例进行方法分析与比较；本书强调机器学习的系统性、完整性、方法的时效性，可读性强；同时，作为新形态教材，本书配备了大量

本教材内容包括机器学习概述、机器学习开发环境安装及使用，以及8个预测任务(涵盖监督学习、无监督学习、集成学习、深度学习等知识点)。在内容的选取上，本教材突出数据的多样性、方法的代表性和继承性，通过丰富的机器学习任务深入浅出地介绍机器学习技术在现实生活中的应用和实践。本教材共有10章，第1-2章是实施机器学习任务前的概念介绍和环境准备，第3-8章结合案例介绍K-最近邻、线性回归和逻辑回归、决策树、贝叶斯模型、支持向量机、K-平均值等机器学习算法及模型，第9、10章分别介绍了结合多分类器的