本书基于Visual Studio 2012，采用案例驱动的方式编写，旨在让读者掌握物联网应用系统开发的思路、方法和常用技术。全书共8章，包括初识C#编程、C#语法基础、流程控制、数组与集合、函数、面向对向编程类和对象、面向对向编程继承和多态、线程处理，每章都根据教学需要配备了典型的实用案例。本书是全国职业院校技能大赛赛项成果转化教材，吸纳了教学一线教师的教学经验和技能大赛合作企业的开发成果，具有通俗易懂、内容精练、重点突出、层次分明和实例丰富的特点。
本书可作为各类职业院校物联网

自动控制原理是高等学校工科学生的核心课程之一，本书比较系统地阐述了自动控制理论的基本原理、方法和应用，可作为控制系统领域入门课程教材。全书分为9章。第1~8章较为系统地介绍了经典控制理论，包含控制系统的数学模型的建立与分析，围绕系统的稳定性、动态性能和稳态性能，从时域、频域、根轨迹等不同角度，进行系统分析与设计的方法的介绍。第9章介绍了现代控制理论的状态空间分析法。本书每章后一节，引入对应知识点的MATLAB仿真指令，加强读者对基于使用MATLAB工具进行系统分析、设计与仿真的理解与掌握。

自动控制原理是高等学校工科学生的核心课程之一，本书比较系统地阐述了自动控制理论的基本原理、方法和应用，可作为控制系统领域入门课程教材。全书分为9章。第1~8章较为系统地介绍了经典控制理论，包含控制系统的数学模型的建立与分析，围绕系统的稳定性、动态性能和稳态性能，从时域、频域、根轨迹等不同角度，进行系统分析与设计的方法的介绍。第9章介绍了现代控制理论的状态空间分析法。本书每章后一节，引入对应知识点的MATLAB仿真指令，加强读者对基于使用MATLAB工具进行系统分析、设计与仿真的理解与掌握。

     本书主要介拉氏变换、机械平移系统的动态特性分析、电气系统的动态特性分析、控制系统基础、控制系统的时域分析法、控制系统的频域分析法、控制系统的稳定性分析和控制系统的误差分析与计算等内容。

丁肇红、胡志华主编的《自动控制原理（应用型 本科电气工程及自动化专业十三五规划教材）》是根 据全国高等院校电气工程及自动化专业规划教材教学 指导小组制定的教材规划而编写的，为应用型本科教 材。
本书系统地介绍了自动控制理论的基本内容，着 重阐述了控制系统的基本概念、基本理论和基本分析 方法。全书共分九章，分别为：绪论、控制系统的数 学模型、线性控制系统的时域分析法、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、线性离散控制系统、非线性控制系 统

本书简明扼要地阐述了自动控制的基本理论与应用。全书共分九章：前八章着重介绍经典控制理论及应用的主要方面，最后一章介绍现代控制理论中的状态空间分析及综合法。本书精选了由胡寿松主编的《自动控制原理(第六版)》中的主要内容，强化了工程应用背景，系统介绍了现代MATLAB应用技术，包括建模、时域分析、根轨迹绘制、频域分析、前馈校正、离散系统分析、描述函数法计算，以及线性系统可控性、可观测性和李雅普诺夫稳定性判别以及综合设计等内容。本书在数学基础、控制理论、工程应用及MATLAB仿真方面，具有系统性和统一

　　本书系统地阐述了人工智能的基本原理、实现技术及其应用，全面地反映了国内外人工智能研究领域的新进展和发展方向。全书共19章，分为4个部分：第1部分是搜索与问题求解，用8章的篇幅系统地叙述了人工智能中各种搜索方法求解的原理和方法，内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等；第2部分为知识与推理，用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术，还包括非经典逻辑推理技术和非协调逻辑推理技术；第3部分为学习与发现，

　　本书基于VisualStudio2012，以“小区物业监控系统”为案例，重点演示采用“VisualC#WPF应用程序”开发整个系统的完整过程。让读者掌握物联网应用系统开发中的思路、方法和常用技术。全书共分8章，分别介绍了WPF开发简介、WPF界面布局与控件、WPF图形和多媒体开发、数据库操作、I-O操作、ASP.NET构建Web应用程序、综合应用开发等内容，每一篇章都根据教学需要配备了典型的实用案例。本书是全国职业技能大赛赛项成果转换规划教材，吸纳教学一线教师的教学经验和技能大赛合作企业的开

　　《神经网络导论》共5章，第1章主要介绍神经网络、微分系统稳定性理论和泛函分析的基本理论和概念；第2章介绍神经网络的基本模型及算法；第3章介绍后期比较热门的三种神经网络，即Hopfield神经网络、细胞神经网络与双向联想（BAM）神经网络的模型及动力学问题；第4章介绍复杂神经网络模型及动力学问题；第5章介绍神经网络的应用，因为神经网络模型是一个非线性动力学系统，有些内容让读者难以读懂，所以《神经网络导论》写作时力求内容简洁、通俗，论述深入浅出，系统地介绍了神经网络模型、算法及动力学问题。

      这本书通过给出易操作的实践指导、采用简单的例子、激励学生讨论有趣的应用问题，用一种易于理解的方式介绍了机器学习的基本思想。本书主题包括贝叶斯分类器、近邻分类器、线性和多项式分类器、决策树、神经网络以及支持向量机。后面的章节展示了如何把这些简单工具通过“提升”（boosting）的方式结合起来，怎样将它们应用于更加复杂的领域，以及如何处理各种高级的实践问题。其中有一章介绍了广为人知的遗传算法。