本书首先介绍了人工智能的基本概念与应用现状；其次阐述了经典机器学习理论与实践的相关内容，包含基础知识、人工智能的开发工具以及一系列机器学习分类、聚类和回归等算法；最后介绍了深度学习的相关理论，包括深度学习的基本概念、卷积神经网络、循环神经网络以及部分强化学习的经典方法。本书在介绍人工智能相关理论知识的同时，还介绍了部分其涉及的数学原理以及编程实例。

全书共6章，依次对人工智能的基础知识、发展现状、研究热点、技术支撑等方面进行简明通俗的阐述。本书包含大量人工智能应用案例，涉及安防、金融、医疗、农业、交通、教育、零售、娱乐、物联网等领域，并结合人工智能发展背景及应用场景，介绍人工智能给各行业带来的重大变革，分析人工智能在各行业的发展现状，为广大读者了解人工智能、学习人工智能、运用人工智能提供了切实可靠的参考。

该书全面地阐述经典控制理论的基本概念、原理和自动控制系统的各种分析方法。主要内容包括：控制系统的数学模型、线性控制系统的时域响应分析法、线性控制系统的根轨迹分析法、线性控制系统的频域分析法、线性控制系统的校正方法；非线性控制系统的分析、线性离散控制系统的分析与设计。该书取材先进实用，讲解深入浅出，各章选例和习题丰富，且均有用MATLAB/Simulink编写的仿真及解题实例，便于读者自学。 本次修订，主要根据立体化教材建设的思路和新形态图书建设的要求，不仅在教材的各个章节中增加了微课视频资料，而

本书共分四章，包括绪论、数学模型、时域分析与设计、频域分析与设计，并以一个垂直起降系统项目从始至终贯穿整个知识体系。本书将系统设计校正内容分别直接融入时域和频域部分，在性能指标分析基础上直接应用所学知识点进行系统的设计与校正，强化系统分析与系统设计的内在逻辑关系。

全书分为两篇，第1篇为自动控制原理，内容包括系统数学模型的建立、分析系统性能的常用方法、系统性能分析、改善系统性能的途径以及MMATLAB/SIMULINK系统仿真在实际系统分析中的应用；第2篇为自动控制系统，内容包括直流调速系统、交流调速系统、位置随动系统和自动控制系统的分析、调试及维护维修。本书第5版修订时，保持原书获得好评的特色，以自动控制原理作为分析工具，自动控制系统作为分析对象，围绕系统性能分析和改善系统性能途径，重点讲解系统结构、关键部件、系统参数确定、仿真与调试，注重理论

物联网工程是计算机、控制、通信等学科交叉的跨学科专业。本书主要从物联网中所需要的控制技术、计算机控制的基础知识、过程控制的理论技术和方法以及基于各种实际控制系统应用背景的工程分析与设计等方面，带领读者深入浅出地体会物联网控制技术的过程。本书语言简明，注重应用，理论与实际相结合，遵循“理论-扩展-应用”的过程，章节中对应地方都有公式、定理辅佐，有利于学习。
本书可作为高等院校物联网工程专业“物联网控制技术”课程的教材，也可作为计算机、电子信息、机械类专业本科生学习自动控制技术的参

本书遵循理念与方法、经典与前沿、技术与应用相融合渗透的原则，在理念、结构、内容和资源上都极具特色和创新。按照人工智能新知识体系，本书内容分为五大部分13 章。 将传统或经典人工智能理论、方法与技术以及新一代人工智能技术和方法相结合，形成基础概念（1-3章）+基础技术（4-5章）+重点研究内容与方向（机器智能）（6-12章）+行业应用与伦理基础（12、13章）的新知识体系模式。 本书提供了配套学习资源，可通过人邮教育社区（www.ryjiaoyu.com）下载本书配套的电子资源，包括教学大纲、教案

本书主要介绍主流的人工智能理论、算法以及Python实现方法，目的是使学生学会人工智能理论及推导过程，并且掌握调用Python人工智能库和自定义编码的方法。全书共分10章，分别为人工智能与Python概述、Python基础、线性回归及其Python实现、逻辑斯蒂分类及其Python实现、最大熵模型及其Python实现、K-近邻分类与K-均值聚类及其Python实现、朴素贝叶斯分类及其Python实现、决策树及其Python实现、神经网络及其Python实现、图像识别领域的应用案例。 本书可作为计

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的最新进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、不确定性推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11 章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读

本书从基本的人工智能理论出发，使用Python语言编程，基于Tensor-Flow和Keras深度学习框架，以理论讲解为基础，以项目实战为导向，系统地讲述了人工智能、深度学习和计算机视觉中相关的基本概念、理论方法和经典算法。既有对基础知识和理论模型的介绍，也有对计算机视觉相关领域实际案例的实现方法和技术技巧的详细阐述。