《基于逼近论的多模态信息表示》从逼近论角度，由最基本的线性无关函数基（插值基、奇异值分解、主成分分析）出发，到正交函数基（傅里叶变换、小波基），再到一般通用逼近算子（人工神经网络），延伸至过完备基（压缩传感、稀疏表示），最后实现分层特征表示（深度学习）。通过基函数表示信息的思想贯穿始终，作者希望由此启发读者更进一步思考如何构造更好的表示方法实现多模态统一表示。 《基于逼近论的多模态信息表示》可供机器人、机器学习、信号处理、应用数学领域的研究人员和实践者阅读，同时也可作为计算机科学与技术领域相关人员的参考书。
