*控制是现代控制理论中的重要课题。近年来，随着工程应用的需求和人工智能的兴起，在系统模型未知或部分未知的情况下寻求近似*控制的方法逐渐崭露头角。本书上册包括*控制基础和*控制的数学理论两部分，着重介绍经典变分法、庞特里亚金极小值原理以及动态规划方法；下册侧重*控制的智能方法，包括强化学习与自适应动态规划、*控制的数值方法、模型预测控制、微分博弈以及平行控制。为了适应智能时代的人才需求，我们在中国科学院大学计算机与控制学院和人工智能学院开设了包含*控制数学理论与智能方法的研究生专业课，并在课程讲义

本书主要介绍现代控制理论的基本知识、方法和应用，重点在于最优控制论的基本框架、基本数学理论和前沿分支。主要内容包括线性系统的状态空间表达法、能控性和能观性，状态滤波器与系统辨识，泛函及其极值问题，最优控制的最大值原理、动态规划原理以及两者之间的关系，线性二次指标的最优控制问题等。作为最优控制理论的新发展，本书还简要介绍了随机最优控制问题的有关理论及其在现代金融学中的应用。同时，本书精选了一些例题，以便使读者加深对内容的理解和掌握。本书可作为数学与应用数学、信息与计算科学、统计学、自动控

本书是《模式识别及Matlab实现》主教材的配套实验与指导，根据主教材各章内容，相应给出了实验的具体步骤和程序代码，包括：贝叶斯决策，概率密度函数的参数估计，非参数判别分类方法，聚类分析，特征提取与选择，模糊模式识别，神经网络在模式识别中的应用，模式识别的工程应用等。

　　本书简要阐述了自动控制的基本理论与应用。全书共9章，前8章着重以现代控制工程为背景，介绍系统建模、时域分析法、根轨迹法、频域分析法、离散系统分析、状态空间分析以及非线性系统分析，各章均包含有Matlab应用技术实例以及与内容密切相关的多种形式的二维码。第9章内容借鉴了国际著名商学院的教育理念与方法，进行现代控制系统的案例分析，以强化学生对控制系统概念的理解，提高对控制系统的分析、设计能力，激发学生的创新理念。《BR》　　本书为2003年国家精品课程“自动控制原理”主干教材，2008年“自动控

    本书主要介绍模式识别的基础知识、基本方法、程序实现和典型实践应用。全书共9章。第1章介绍模式识别的基本概念、基础知识；第2章介绍贝叶斯决策理论；第3章介绍概率密度函数的参数估计；第4章介绍非参数判别分类方法；第5章介绍聚类分析；第6章介绍特征提取与选择；第7章介绍模糊模式识别；第8章介绍神经网络在模式识别中的应用；第9章介绍模式识别的工程应用。每章的内容安排从问题背景引入，讲述基本内容和方法，到实践应用（通过MATLAB软件编程）。本书内容系统，重点突出，做到理论、应

本书为自动控制系统的经典教材， 详细介绍了连续控制系统（包括电气系统、机械系统、流体动力系统和热力系统）的数学模型建模方法， 动态系统的瞬态和稳态分析方法， 根轨迹分析和设计方法， 频率域的分析和设计方法， 以及PID控制器和变形PID控制器的设计方法；同时还比较详细地介绍了现代控制理论中的核心内容， 即状态空间分析和设计方法。*后还简要地介绍了20世纪80~90年代发展起来的称为"后现代控制理论的鲁棒控制系统。全书自始至终贯穿了用MATLAB工具分析和设计各类控制系统问题。

本书主要介绍现代控制理论的基础知识，内容包括系统的状态方程建立及解法，系统的能控性、能观测性和稳定性等定性理论，极点配置、反馈解耦、观测器设计等综合理论，以及*控制理论和状态估计理论； 同时，适当地介绍了鲁棒控制、时滞系统反馈控制等比较前沿的知识以开阔学生视野； 特别是将MATLAB语言的知识穿插到内容中，有利于培养学生利用计算机解决实际问题的能力。 本书是高等学校自动化专业本科生教材，同时也适合一般工程技术人员自学所用。

　　《最优控制理论与系统（第三版）》从理论及工程应用的角度，系统地介绍了最优控制理论及最优控制系统的各个基本方面。全书共分10章。第2～4章介绍变分法、极小值原理和动态规划的基本内容、方法及应用；第5、6章对状态调节器、输出调节器以及跟踪系统进行了较为深入的讨论；第7～9章介绍了最优控制理论中较为新颖的分支——鲁棒最优控制、奇异最优控制以及随机最优控制；第10章介绍各种典型的实用最优控制系统。
　　《最优控制理论与系统（第三版）》深入浅出，结构严谨，实例丰富，便于自学。既可作为高等

　　本书系统地介绍了离散系统仿真与优化的相关理论，基本按照仿真与优化的应用步骤展开，并包含该领域的新研究成果。全书内同包括系统建模、仿真软件、模型校验和确认、输入数据分析、随机数和随机变量生成、仿真输出分析、基于仿真的系统优化方法，以及应用实例分析等。

     本书全面阐述了模式识别的基础理论、*新方法以及各种应用。讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比，增加了大数据集和高维数据相关的*新算法，提供了*新的分类器和鲁棒回归的核方法。新增一些热点问题，如非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、谱聚类和聚类组合技术。每章均提供有习题与练习，用MATLAB求解问题，给出一些例题的多种求解方法；且支持网站上提