本书是讲解模式识别的理论基础和典型应用的教材。本书共14章，前12章为基础理论，包含模式识别概述、理论贝叶斯决策、概率密度的估计、线性判别函数、非线性判别函数、其他分类方法、无监督学习、通用特征选择与提取方法、数据特征提取、数据预处理、深度神经网络基础、深度神经网络典型架构；后2章介绍指纹识别、光学字符识别、语音识别、

"本书以状态空间法为核心，阐述了现代控制理论的基本原理及其分析和综合方法。全书共有6章，包含线性系统的状态空间描述、线性系统的运动分析、线性系统的能控性和能观性、李雅普诺夫稳定性分析、线性系统的状态综合。本书是作者根据我国现代控制理论课程教学要求、大量参考国际优秀原版教材，并总结近年来该课程双语教学实践经验的基础上编写

本书主要介绍线性控制系统的分析和设计理论，包括控制系统的状态空间模型和状态运动规律，系统的能控性、能观性和稳定性等定性分析，状态反馈、输出反馈、饱和控制、跟踪控制和观测器设计等综合理论，以及线性二次型最优控制方法。本书叙述深入浅出，主要围绕一个贯穿全书的系统设计示例展开，有助于读者建立起系统工程的观念、逐步厘清不同控制

本书是模式识别领域的入门教材，系统阐述了模式识别的基础知识、主要模型及热门应用，并给出了近年来本领域一些新的成果和观点.全书共15章，分为五部分：第一部分(第1-4章)介绍了模式识别的基础知识；第二部分(第5-6章)介绍了与领域知识无关的特征提取；第三部分(第7-10章)介绍了分类器与其他工具；第四部分(第11-12章

本书主要包括了现代控制理论中线性系统状态空间模型的建立、线性系统状态空间分析、状态反馈与极点配置及状态观测器，以及采样控制系统的分析与非线性控制系统的分析等内容。本书通过大量的例题与习题使学生能够逐步掌握各章的重点内容，并在内容安排上力求模块化，便于教学设计与学生自学。本书结合课程知识点，提供了关于控制专家及教育家的爱

本书是针对高等院校理工科高年级学生编写的控制系统基础理论教科书。本书全面系统地论述了控制系统状态空间分析的基本方法及状态空间综合的基本理论与方法，包括：控制系统的状态空间描述，控制系统状态方程的解，线性控制系统的能控性和能观测性，控制系统的稳定性分析，状态反馈、输出反馈、极点配置与状态观测器设计，以及最优控制等基本内容

本书内容涵盖控制相关学科各专业所必需的基础知识，以时域中的线性系统理论知识为主要内容，同时兼顾控制的频域知识。主要内容包括系统的数学描述、系统的动态响应、系统的能控性和能观性、系统的最小实现、系统的稳定性、系统的时域综合等。本书在内容论述上力求精练，在概念叙述上力求清晰，在理论分析上力求严谨，在系统设计方法和算法介绍上

本书的目的是考虑大型且具有挑战性的多阶段决策问题，这些问题原则上可以通过动态规划和**控制来解决，但它们的精确解决方案在计算上是难以处理的。本书讨论依赖于近似的解决方法，以产生具有足够性能的次优策略。这些方法统称为增强学习，也可以叫做近似动态规划和神经动态规划等。本书的主题产生于**控制和人工智能思想的相互作用。本书的

本书首先介绍了与课程相关的高等数学知识，包括泛丽分析基础与最优化方法，这样做的目的是加强学生的专业基础，然后重点阐述了最优控制原理及求解方法。本书的主要内容包括变分法、极大(小)值原理线性二次型最优控制、动态规划、近似动态规划、微分对策、H2与H∞最优控制以及随机系统的最优滤波与控制等。学生在学习本书的内容时，除了需要

现代控制理论是自动化及其相关专业的一门基础课程。《现代控制理论基础》以线性定常系统的状态空间方法为主线，详细介绍了系统状态空间表达式的相关概念与构造方法、状态空间表达式的求解方法、系统能控性与能观性的相关概念与判定方法、李雅普诺夫稳定性的相关概念与判定方法、系统综合的各种方法，以及线性矩阵不等式技术在系统分析与综合过程