本书旨在帮助读者深入理解嵌入式系统的体系结构、软硬件工作原理，嵌入式系统设计和软件开发所需的基础知识和思维方法，以及嵌入式系统互联(即物联网)的基础知识和编程应用。在内容组织方面，本书分为四大部分，分别为导论(第 1 章)、嵌入式系统的基本原理(第 2～3 章)、嵌入式系统设计(第 4～6 章)、嵌入式系统互联(第 7～8 章)。本书将课内理论讲解结合课内验证和课外实践，不仅理论知识覆盖较全，而且重视实践验证和应用，提供大量动手实践和验证的环节，理论知识的应用场景始终以自制开源板的应用为线索。

本书具体内容包括: 第1章人工智能的基本概念。第2章人工智能的发展历史。第3章到第5章人工智能的主要技术, 包括机器学习、深度学习和自然语言处理等。第6章和第7章人工智能的应用领域, 包括人工智能在农业、教育、安防、金融、医疗、交通、家庭等领域的应用情况。

　《控制工程基础》详细讲述了控制理论的基本原理和在工农业自动控制系统中的应用。全书共分10章，第1章和第3～8章为经典控制理论部分，主要介绍自动控制系统的基本概念，控制系统的传递函数，控制系统误差与时域分析，控制系统频域特性分析，控制系统稳定性分析、性能校正、PID校正及参数整定等。第2章为控制系统数学基础，主要介绍复变函数和拉普拉斯变换。第9章为控制系统MATLAB仿真，第10章为控制系统实例分析。
　　《控制工程基础》详细分析了工农业典型实例，力求与工程实际相结合，可作为普通

本书是人工智能、计算机、自动控制等相关专业的专业英语教材，选材广泛，内容涵盖人工智能的基本概念、发展历史、主要技术、人工智能的现在与未来，以及人工智能给人类带来的影响和人工智能的应用领域等。书中每章所选用文章均来自国外网站，本书作者对文章中出现的新词和专业术语进行了注释，每篇文章都配有相应的习题和拓展阅读，有利于读者巩固学习效果。
本书可作为高等院校人工智能、计算机、自动控制等专业的英文课程教材，同时也可作为各类计算机从业人员或者有志于投身人工智能领域的相关人员的自学书籍

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。
全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介绍了单层感知器、基于误差反传的多层感知器、径向基函数神经网络、竞争学习神经网络、组合学习神经网络、反馈神经网络、支持向量机、深度神经网络等内容。为了方便梳理知识点，每章都附

强化学习是机器学习的重要组成部分。本书采用理论与实践相结合的写法，从强化学习的基本概念开始，详细介绍了强化学习的算法理论和实践操作，配有Python代码实现，完整呈现强化学习算法的实践细节。通过这本书你将会：
（1）理解强化学习最关键方面的问题。
（2）探索马尔可夫决策过程及动态规划的过程。
（3）深入理解强化学习的各种方法，包括MC方法，TD方法，深度学习Q方法，SARSA方法等。
（4）通过大量的现实例子及Python实现程序，不断地实践，成为强

本书是人工智能实验课程的配套教程。完成书中的实验可以帮助学生巩固和加强对人工智能的基本原理和实现方法的理解，并为今后进一步学习高级课程和进行信息智能化技术的研发奠定良好的基础。

全书共有六个实验：基础平台搭建；谓词问题猴子摘香蕉；知识表示动物识别系统；启发式算法八数码问题(九宫格问题)；推理问题贝叶斯推理；机器学习算法人脸识别。每个实验都包含实验目的、实验背景、实验原理、实验内容、实验总结和思考等六个部分，要求同学们完成实验范例，并形成实验报告。

本书是理工科专

本书根据企业实际生产需要，结合典型项目，以实用、易用为目的，深入浅出地介绍了西门子人机界面组态与应用的实用技术。本书采用“项目导向、任务驱动”的形式，设计了HMI组态与调试入门、小车移动监控系统、水泵控制监控系统、剪板机控制监控系统、多电机功能监控系统和饮料生产线监控系统6个项目，共30个任务，每个任务附有大量的图片说明，详细讲解了技能操作，并且每个任务都配有“学习工作页”，从“信息咨询”“计划决策”到“任务实施”帮助学习者捋顺工作过程。
本书实战性强、注重工程应用、强调务实操作，可作为高

本书本着培养高职学生的人工智能基本素养、人工智能思维和人工智能应用实践能力的目
标，内容选取符合高职学生的特点，强调人工智能的通识性、典型性和实用性，具有可操作性。
本书选取了涵盖人工智能领域的多个典型案例，采用项目化模式构建教学案例，突出实践。
每个案例由循序渐进的递进式任务组成，支持课堂分层次教学实施。全书共分7 章，主要内
容包括人工智能概述、Python 基础、图像识别与网络安全、自然语言处理与舆情分析、生物特
征识别与智慧校园、大数据与日常生活、机器学习与

本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超参数调优，并结合主流机器学习技术框架Scikit-learn，展开了信用违约分类预测、社交媒体评论分类预测、共享单车用量需求回归预测、信用卡客户忠诚度回归预测的项目实战。