本书从适应教学研究型大学的要求出发，以经典控制理论为主，较系统地介绍了自动控制理论的基本内容，着重于基本概念、基本理论、基本分析方法及典型应用。本书共8章，包括：引论、控制系统的数学模型、时域分析法、根轨迹分析法、频域分析法、控制系统的校正、非线性系统分析、离散控制系统等。本书重点突出，叙述深入浅出，文字简明流畅，实用性强。书中除有一般性的例题和习题外，另有典型实例贯穿教材始终，每章还附有综合性的例题精解以及MATLAB在控制系统分析和设计方面的应用。每章都设有导读和小结，便于学生学习

本册书是《图像工程》第5版的下册，比较全面地介绍图像工程的第三层次——图像理解的基础概念、基本原理、典型方法、实用技术以及国际上相关内容研究的新成果。可作为相关专业研究生教材。本册书主要分为4个单元。第1单元（包含第2~5章）介绍采集表达技术，第2单元（包含第6~9章）介绍景物重建技术，第3单元（包含第10~12章）介绍场景解释技术，第4单元（包含第13~16章）介绍研究示例。书中还提供了大量例题、思考题和练习题，并对部分练习题提供了解答。书末还给出了主题索引。

本书从大数据和人工智能对Linux操作系统需求出发组织Linux内容，全书共14章，内容包括Linux系统概述，图形界面与命令行界面，Linux文件操作，文本编辑器与软件包管理，用户与用户组管理等。

本书以信息技术工具与大数据分析为核心,结合当前时代信息技术的发展动态，通过10个具有代表性的实验，对与大数据分析相关的工具、方法及其应用进行了详细介绍。本书一方面涵盖了信息技术基础知识、AI Studio平台、Python程序设计语言、网络数据获取、文本和表格数据处理与数据分析等大数据分析基础知识体系内容，另一方面加入了虚拟数字人、大语言模型等大数据与人工智能领域的前沿应用，引导读者体验信息技术的**产物。本书内容和实例丰富,针对性强,叙述和分析透彻,具有可读性、可操作性和实用性强等特点。此外，

本书全面讲解Premiere Pro CS6的基础知识与使用方法。面向零基础读者，以“理论+案例”的形式详细讲解Premiere Pro CS6的基本功能、操作技巧，以及不同类型课堂案例的视频制作方法。本书共10章，前9章分别为Premiere Pro CS6快速入门、视频剪辑基础、视频的切换与特效、动画效果的创建、叠加与抠像技术、色彩的校正与调整、创建字幕与图形、音频处理、输出视频，第10章通过2个综合实训进行实战演练，帮助读者巩固所学知识，并应用所学技能制作出效果丰富的视频。

《Java Web项目实训教程》以项目为导向，通过“招生考试报名系统”项目讲解一个 Java Web项目开发的完整设计与实现流程。全书共分为 14章，第 1章重点讲解系统实现需使用的技术，包括前端三大核心技术（ HTML、CSS、 JavaScript）以及 Java Web技术基础（ JSP、EL表达式、 JSTL标签、 Servlet、过滤器、监听器等）；第 2章介绍系统需求；第 3章讲解项目数据库的设计与实现；第 4章实现对数据库基础操作的封装；第 5章封装实现 DAO层组件；第 6章结合

本本书系统地介绍智能控制的基本内容。全书共9章，主要包括智能控制概述、模糊逻辑理论基础、模糊控制、神经网络原理、神经网络控制、计算智能、深度学习、强化学习、学习控制。本书还提供了部分智能控制的MATLAB仿真程序设计及智能控制的相关应用案例。

本书共分为两个部分。第一部分是上机指导，从了解计算机基础知识、学习计算机系统知识、认识Windows 10、管理计算机中的资源、编辑Word文档、排版文档、制作Excel表格、计算和分析Excel数据、制作幻灯片、设置并放映演示文稿、使用计算机网络和做好计算机维护12个方面来组织内容，读者可以参考《计算机应用基础（Windows 10+Office 2016）（微课版）（第3版）》和本书进行上机操作。第二部分是习题集，参考全国计算机等级考试一级MS Office考试大纲和《计算机应用基础（Win

本书主要讲述计算机科学的导引知识，介绍了计算机系统概况、计算机硬件、计算机软件、数据表示及分析处理、计算机网络以及计算机热门研究方向的相关应用案例。所讲内容的展开以数据和案例为牵引，分别呼应了数据处理的环境、数据处理的硬件、数据处理的软件、数据表示方式及分析处理方法、数据的网络流动以及数据处理的案例。书中以数据为行文线索，各章节之间有较强的逻辑关联，实例紧靠生活实际，语言朴素亲切，叙述之中融入编者积累的教学体会，更贴近读者的理解路径。同时书中融入课程思政元素，提供了12个课程思政案例。

深度学习是人工智能的重要分支，在多个应用领域取得了突破性成果。本书作为深度学习的入门教材，基本涵盖了深度学习的各个方面。全书共8章，第1章概要介绍了深度学习的基本概念、典型算法及应用；第2~5章是本书的核心内容，详细介绍了卷积神经网络、循环神经网络、Transformer和生成对抗网络的基本原理、典型算法以及主要应用；第6章介绍了一些典型的深度生成模型以及近期比较流行的扩散模型；第7章介绍了深度学习中常用的正则化与优化方法；第8章介绍了TensorFlow、PyTorch和飞桨三个常用的深度学习