本书是《工程控制论》（第三版）的下册。这一册共九章。第十三章讨论摄动理论在控制系统设计中的应用，其中特别说明在飞行控制系统中的应用。第十四、十五两章介绍控制系统在随机干扰下的分析和设计。第十六、十八章讨论了适应性控制系统的设计。第十九章介绍了提高控制系统可靠性的各种方法。第十七、二十、二十一这三章分别是：逻辑控制和有限自动机（第十七章），信号与信息（第二十章），大系统（第二十一章）。这些方面已构成工程控制论这门学科的重要研究方向。书末还附有“有关中文著作目录选辑”，可供读者查阅。
人工智能 (AI) 时代已悄然而至，然而对 AI 伦理学的研究却刚刚起步。与以往的技术革命不同，AI 有望在多个领域取代人类，但也有伤害人类的潜在风险。为防止对AI技术的滥用，我们在复杂性变得不可控之前，必须把糟糕的情况都预想到、分析到。 《人工智能伦理》从人工智能的关键内容（包括图灵测试、数据、知识、机器学习、自我意识等）出发，尽可能地用朴素的语言讲清楚复杂的概念，揭示出各种AI伦理问题以唤起读者的思考。本书基于大量真实数据，阐述了和平、合理发展 AI 技术的伦理思想，对 AI 技术可能引发的某些社会问题（如技术失业、两性平等）也做了剖析。
[内容简介]《为机器立心》每每站在 命运的十字路口，我们总会听到来自历史的叩问。无论是“李约瑟难题”“钱学森之问”“杨振宁三问”，还是 的人工智能“中国之问”，都考验着我们 战略方向的确立和科学家的使命感。要交出一份满意的答卷，就要走出一条属于我们自己的路，一条底层逻辑自主可控的创新之路，走人工智能与人类价值观对齐的创新之路，走不随大流、坚信人工智能的“中国时代”必将到来的创新之路。 《为机器立心》的主题是迈向通用人工智能的中国路线，让AI不再缺“心”，点亮人工智能的“中国时刻”。在书中，朱松纯教授解答了什么是通用人工智能、如何认清智能的本质、如何为人工智能找到统一理论与认知架构，进而为机器立“心”等重要问题。全书共分为两大部分。 部分“厘清通用人工智能的3大关键迷思”：ChatGPT等大模型
传统材料研发模式主要基于实验“试错法”，其研发周期长、效率低，人工智能驱动的科研范式变革和新材料数字化研发模式能有效地降低研发成本，缩短研发周期。本书基于计算、数据、AI和实验“四位一体”的新材料集成式智能化研发理念，提出了基于材料基因编码的新材料智能设计范式，从企业级新材料研发和面向科研的材料计算视角，重点围绕高通量材料集成计算、多尺度材料计算模拟、材料数据库、材料数据机器学习、新材料研发制造软件等介绍了新材料数字化智能化研发和设计基本概念、方法、技术和应用。本书同时也介绍了国产的高通量多尺度集成式材料智能化设计工业软件MatCloud+，并通过一些精选案例介绍了材料计算、数据和新一代人工智能等数字化研发方法技术在新能源、金属/合金、石油化工、复合材料、新型功能材料等重点材料行业或领域的
《人工智能科学 智能的数学原理》建立人工智能的信息的科学原理。《人工智能科学 智能的数学原理》有五部分。第Ⅰ部分，人工智能总论，提出信息世界的科学概念，以信息为支点建立科学体系的理论；第Ⅱ部分，信息基本定律，建立了信息世界的基本定义和基本定律；第Ⅲ部分，信息的数学原理，建立了以信息演算理论（离散系统的微积分）、信息解码原理和信息生成原理为三大支柱的信息科学体系的数学原理；第Ⅳ部分，智能的信息科学原理，建立了包括学习的信息理论、自我意识的信息理论、博弈/谋算理论为三大支柱的人工智能的信息科学原理，提出一个自我意识主体的智能就是该自我意识主体的信息的智能论题（intelligence thesis）,提出人工智能的孙子模型；第Ⅴ部分，信息的哲学，提出信息时代科学双引擎的方法论和信息时代一些重大科学问题，简
本书不仅梳理了人工智能技术在科学各领域中的广泛应用，还深入分析了其对科学生产力的推动作用，以及在伦理、法律和社会层面可能引发的讨论和问题。书中汇集了国际专家的研究成果，为读者提供了一个全面了解人工智能在科学研究中应用的窗口，展现了人工智能技术如何推动科学的创新与进步，并对未来的研究方向提出了深刻的见解。
《大规模云数据中心智能管理技术及应用》深入探讨了云计算的关键基础设施——云数据中心的关键技术和智能管理方法。在国家重点研发计划项目、国家自然科学基金重点项目以及企事业单位研究所科技合作项目等多个层次的项目支持下，项目组攻克了一系列关键技术挑战。《大规模云数据中心智能管理技术及应用》重点介绍了大规模云数据中心运行数据管理技术、大规模云数据中心运行能效评估与预测技术、大规模云数据中心资源智能管理与调度技术、大规模云工作流智能管理与调度技术。在上述关键技术攻关的基础上，《大规模云数据中心智能管理技术及应用》介绍了云数据中心智能化管理与运维体系架构及相关子系统的设计与开发，并面向典型工业应用开展了应用示范。
《知识图谱实战：构建方法与行业应用》这是一本综合介绍知识图谱构建与行业实践的著作，是作者多年从事知识图谱与认知智能应用落地经验的总结，得到了多位知识图谱 专家的 。本书以通俗易懂的方式来讲解知识图谱相关的知识，尤其对从零开始构建知识图谱过程中需要经历的步骤，以及每个步骤需要考虑的问题都给予较为详细的解释。本书基于实际业务进行抽象，结合知识图谱的7个构建步骤，深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。全书分为基础篇、构建篇、实践篇，共16章内容。基础篇（第1章），介绍知识图谱的定义、分类、发展阶段，以及构建方式、逻辑/技术架构、现状与应用场景等。构建篇（第2～8章），详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核心步骤，
《机器学习》机器学习是计算机科学的重要分支领域.本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面.全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2
本书介绍统计计算与智能分析基础理论以及基于Python的模型算法实现。全书由13章组成，主要内容有：随机数生成技术；数据探索性分析；特征提取与选择方法； 期望算法；Markov链蒙特卡罗方法；重采样技术；重要采样技术；序贯重要性采样；非参数概率密度估计；非参数回归分析；树模型理论；概率图模型；模型性能评价技术。
本书从理论指导和数据驱动的视角出发，围绕如何量化学习认知，解决学习过程中的内隐与外显式的行为分析问题，紧随 上心理测量学、认知心理学、学习分析和教育数据挖掘、教育人工智能几大学科和研究分支的发展趋势，对学习认知计算的理论体系、研究方法、研究场景及建模分析技术进行系统的分类梳理。 本书围绕学习认知计算概论、静态认知诊断：学习认知的诊断推理、动态认知诊断：学习认知的表现预测、时空认知诊断：学习认知的时空演变和教育应用五大主题，侧重于将人工智能方法、机器学习技术与当前 的教育研究范式相结合，旨在攻破教育测评“唯分论”的壁垒，深入地理解学习者的内在认知并提供综合的科学方法和工具。 本书可作为相关专业高年级本科生和研究生的参考书，也可以作为教育工作者、数据科学研究者、学 统开发者
