内容简介：《智能步态视频分析与识别技术》深入探讨了步态视频分析领域的*新进展与核心技术。*先，系统介绍了步态视频分析的基本原理、方法、技术和应用，总结和分析了当前步态识别的研究和应用中存在的问题和难点。然后，针对端到端的步态识别、多样化的随机行走场景和时域步态特征提取中存在的难点问题，详细阐述了相应研究成果。《智能步态视频分析与识别技术》内容全面、结构清晰、理论与实践并重，为读者深入理解和应用智能步态视频分析与识别技术提供了坚实的基础。

内容简介：情感识别是计算机科学应用的重要领域。《基于深度学习的情感识别技术》介绍作者团队在情感识别领域的研究成果，展现深度学习方法在情感识别任务中的应用。《基于深度学习的情感识别技术》共8章。其中，第1章介绍情感识别的研究现状与趋势；第2、3章介绍情感识别在视觉模态中的研究成果；第4～6章介绍情感识别在音频模态中的研究成果；第7、8章介绍多模态的数据集与多模态的情感识别方法。

内容简介：《基于深度学习的行人重识别技术》以行人重识别技术为核心，从深度学习的视角系统地探讨了行人重识别的基础理论、研究动机、关键技术和实际应用。《基于深度学习的行人重识别技术》共六章，内容涵盖行人重识别基础理论、行人姿态转换技术、基于图像和视频的行人重识别技术以及无监督多源域适应行人重识别技术等。《基于深度学习的行人重识别技术》详尽分析了当前该领域的研究现状与技术难点，深入探讨了多种具有代表性的**方法，展望了行人重识别技术在跨视角与跨域、模型轻量化和多任务学习等方面的未来发展趋势，为读者全面了解行人重识别的研究动态和实际应用奠定了坚实基础。内容简介：《深度强化学习控制：前沿理论与方法》系统梳理了深度强化学习的核心理论、关键算法及其在智能控制、机器人技术和多智能体系统中的应用。《深度强化学习控制：前沿理论与方法》涵盖强化学习的基本概念、深度强化学习的主要框架，以及多智能体强化学习的协同决策、任务分解与优化控制等前沿问题，并结合大量实验案例，深入探讨强化学习在飞行器控制、移动机器人导航与避障等领域的实践应用。

内容简介：作为自然计算的一个新分支，膜计算探讨如何利用生命细胞(含神经细胞)机理抽象出新的计算模型。《膜计算的学习模型与应用》共7章，分别介绍膜计算的基本概念、基本模型、聚类模型、卷积模型、循环模型，以及卷积模型在数字图像处理和循环模型在自然语言处理中的应用。《膜计算的学习模型与应用》力图在膜计算基本概念和基本模型的基础上，重点阐述膜计算的三种学习模型及应用，旨在向读者介绍膜计算这个新兴研究领域。《膜计算的学习模型与应用》内容取材于国内外*新的资料，并且总结了作者近年来的研究成果，反映了膜计算学习模型与应用的研究现状和*新水平。

内容简介：全球在线社交媒体网络蓬勃发展为社交用户带来信息共享便捷的同时，也引发了互联网信息内容安全与治理问题。虚假信息泛滥、深度伪造频发、数据窃取、隐私泄露、信息欺诈等风险严重威胁着数十亿用户，甚至波及社会公共管理和国家网络安全。面对日益严峻的安全挑战和重大需求，《社会情境安全理论与技术》从社交用户所处的环境、身份、行为、意图等社会情境上下文信息的前沿计算和智能信息处理崭新视角，系统性地提出社会情境安全的基础理论框架与关键核心技术，为网络空间安全领域学术界与产业界提供重要参考。《社会情境安全理论与技术》共8章，系统阐述了社会情境安全分析框架及其应用，重点探讨了虚假信息传播分析、多模态敏感信息检测、位置隐私保护、情境感知访问控制、联邦学习安全应用、安全性众包评估，以及社会舆情分析与虚假信息管控平台构建等关键技术，为互联网信息内容安全与治理提供了从理论到实践的系统解决方案。内容简介：《基于深度学习的视频智能监控技术及应用》围绕视频成像的目标识别、目标检测与目标跟踪等视频监控核心技术，系统阐述了基于深度学习的视频图像目标检测与识别方法，包括基于深度学习的视频图像目标检测与目标跟踪、基于锚框的目标检测和无锚框的目标检测模型与算法，以及两阶段目标检测与单阶段目标检测的深度学习模型与算法等，为新一代智能监控系统建设奠定了技术基础。《基于深度学习的视频智能监控技术及应用》的特色是在系统阐述视频监控理论与方法的基础上，对相关主流方法进行比较分析，为技术应用提供借鉴。