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。
9787115600820 动手学深度学习（PyTorch版） 109.80 9787115584519 动手学强化学习 89.90 9787115618207 动手学机器学习 89.80 《动手学深度学习（PyTorch版）》 本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络 多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用
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
本书全面介绍贝叶斯推理与机器学习，涉及基本概念、理论推导和直观解释，涵盖各种实用的机器学习算法，包括朴素贝叶斯、高斯模型、马尔可夫模型、线性动态系统等。本书在介绍方法的同时，强调概率层面的理论支持，可帮助读者加强对机器学习本质的认识，尤其适合想要学习机器学习中的概率方法的读者。本书首先介绍概率论和图的基础概念，然后以图模型为切入点，用一种统一的框架讲解从基本推断到高阶算法的知识。本书不仅配有BRML工具箱，而且提供大量MATLAB代码实例，将概率模型与编程实践相结合，从而帮助读者更好地理解模型方法。
通过一系列的技术突破，深度学习推动了整个机器学习领域的发展。现在，即使是对这项技术几乎一无所知的程序员也可以使用简单、高效的工具来实现具备数据学习能力的程序。这本畅销书采用具体示例、小化理论和生产就绪的Python框架（Scikit-Learn、Keras和TensorFlow）来帮助你直观地理解构建智能系统的概念和工具。 在更新的第3版中，作者Aur lien G ron探究了一系列技术，从简单的线性回归开始，逐步推进到深度神经网络。书中的大量代码示例和练习有助于你学以致用。你需要具备一定的编程经验。
本书详实介绍了数据挖掘与机器学习相关的各种内容，包括数据矩阵、图数据、核方法、项集挖掘、聚类、贝叶斯分类器、决策树、支持向量机、线性回归、逻辑回归、神经网络、深度学习等，介绍其相关概念和基础算法，并在每章的末尾配有相关练习。第二版新增了几个关于回归的章节，包括神经网络和深度学习的内容。
本书面向智能信息处理研究的前沿领域，针对群体智能优化算法及其应用中的关键问题，系统地讨论了新型群体智能优化算法以及群体智能优化算法在三维模型处理和可信软件测试中的应用，比较全面地反映了国内外在三维模型智能处理和基于搜索的可信软件测试领域的**研究进展。本书主要内容包括经典群体智能优化算法、社会认知优化算法、自然社会认知优化算法、细菌群体趋药性算法、混沌细菌群体趋药算法、三维模型多特征提取、基于证据和区间数的智能三维模型融合匹配识别方法、基于群体智能的文物三维模型全局**匹配算法、基于群体智能的三维模型配准算法、基于粒子群算法的测试数据生成及优化、基于改进粒子群优化的测试用例扩增方法和基于蚁群算法的组合测试数据生成与优化。
本书系统地论述了水下机器人设计与分析的基本原理、方法和技术，介绍了FLUENT、MATLAB/Simulink、ANSYS、ADAMS等现代设计分析软件在水下机器人设计中的应用，并以作者及研究团队的科研成果为主线，系统地阐述了水下机器人设计与分析方法。全书共十章，包括水下机器人结构及流线型设计、能源与动力、系统辨识方法、运动分析、底层控制系统、虚拟样机技术、路径规划与轨迹跟踪、仿生侧线感知及局域导航定位方法等方面的内容。
机器学习是当前解决很多人工智能问题的核心技术，深度学习的出现带来了自2012年以来的人工智能复兴。本书是机器学习和深度学习领域的入门与提高教材，系统、深入地讲述机器学习与深度学习的主流方法与理论，并紧密结合工程实践与应用。全书由21章组成，共分为三大部分。第1～3章为*部分，介绍机器学习的基本原理、所需的数学知识（包括微积分、线性代数、概率论和*化方法），以及机器学习中的核心概念。第4～20章为第二部分，是本书的主体，介绍各种常用的有监督学习算法、无监督学习算法、半监督学习算法和强化学习算法。对于每种算法，从原理与推导、工程实现和实际应用3个方面进行介绍，对于大多数算法，都配有实验程序。第21章为第三部分，介绍机器学习和深度学习算法实际应用时面临的问题，并给出典型的解决方案。此外，附录A给出各种
本书通过讲解监督学习的两大支柱 回归和分类 将机器学习纳入统一视角展开讨论。书中首先讨论基础知识，包括均方、*小二乘和*大似然方法、岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍新近的技术，包括稀疏建模方法，再生核希尔伯特空间中的学习、支持向量机中的学习、关注EM算法的贝叶斯推理及其近似推理变分版本、蒙特卡罗方法、聚焦于贝叶斯网络的概率图模型、隐马尔科夫模型和粒子滤波。此外，本书还深入讨论了降维和隐藏变量建模。全书以关于神经网络和深度学习架构的扩展章节结束。此外，书中还讨论了统计参数估计、维纳和卡尔曼滤波、凸性和凸优化的基础知识，其中，用一章介绍了随机逼近和梯度下降族的算法，并提出了分布式优化的相关概念、算法和在线学习技术。
《直拉硅单晶生长过程建模与控制》源于作者在直拉硅单晶生长过程建模与控制领域十余年的研究心得与成果积累。 在对硅单晶生长工艺及制备理论进行全面论述的基础上，系统地介绍直拉硅单晶生长的基本原理和工艺过程以及热场？磁场等关键部件的设计理论与方法，研究影响硅单晶品质关键变量的检测问题和工程实现方法，提出全自动晶体生长控制系统的基本理论和控制技术。 《直拉硅单晶生长过程建模与控制》共8 章，即绪论？硅单晶生长原理？直拉硅单晶生长设备？直拉硅单晶热系统建模与设计实现？磁场环境下直拉硅单晶生长原理与实现？晶体生长过程关键变量的检测与信息处理？晶体生长过程控制原理与方法？全自动单晶炉自动控制系统设计与实现。 《直拉硅单晶生长过程建模与控制》的主要内容和研究成果均从理论和应用两方面予以详尽阐述，并
本书按照机器学习十年来的教学经验将主要教学内容分为五大板块： 数学基础 回归问题 分类问题 无监督问题 以及 概率图模型 。既注重学习内容由浅入深和教学的先后顺序，又兼顾了内容的全面性，给予授课老师充分的授课自由。 本书内容新颖，结构化层次化地介绍了机器学习的重要内容，语言严谨详细，配图全面直白。而课后配套的习题、实验、网课与书本内容相对应，让学生能够快速入门机器学习，既可更深入更全面地掌握书本内容，课后巩固知识点充分理解理论知识，又可锻炼其面对实际人工智能问题的编程能力。
本书为中国自动化学会系统仿真专业委员会和中国系统仿真学会仿真技术应用专业委员会于2010年8月联合组织展开的’2010系统仿真技术及其应用学术会议(CCSSTA'20lO)的论文选编。 书中收录了会议论文150篇，是近年来系统仿真科学与技术在自然科学和社会科学各领域以及航空、航天、石油、化工、能源、国防、轻工等行业中应用的*成果，以及建模与仿真方法、复杂系统新领域等的*进展。 本书可供科研、设计部门和厂矿企业中系统仿真科学与技术的研究和应用人员以及高等学校相关专业师生参考。
人工智能是研究解释和模拟人类智能、智能行为及其规律的一门学科，建立智能信息处理理论，研制智能机器和智能系统，延伸和扩展人类智能。《BR》 本书共16章。第1～6章讨论人工智能的认知问题和自动推理，论述逻辑基础、约束推理、定性推理、基于案例的推理、概率推理；第7～14章重点讨论机器学习和知识发现，包括归纳学习、支持向量机、解释学习、强化学习、无监督学习、关联规则、进化计算、知识发现；第15章阐述主体计算；第16章讨论互联网智能。与本书第二版相比，增加了两章新内容。其他章节也作了较大的修改和补充。
传感器技术、微机电系统、微电子技术和无线通信等技术的进步，推动了无线传感器网络与RFID的产生和发展。 本书为读者提供了一个综合的技术指导，全书分为三大部分，第1部分介绍RFID的基本原理，例如，标签、阅读器、中间件、安全和服务。第2部分介绍WSN的基本原理，例如，路由、媒介访问控制、定位、聚类、移动性、安全和跨层*化。第3部分探究将RFID与WSN集成的规则和应用。 本书可作为通信、计算机类专业的高年级本科生和研究生教材，也可供相关专业的科学研究工作者和工程技术人员参考。
控制系统原理及相近课程是高等学校工科学生的核心课程之一。本书一直是该类课程畅销全球的教材范本，至今已经出版至第十二版。主要内容包括控制系统导论、系统数学模型、状态空间模型、反馈控制系统的特性、反馈控制系统的性能、线性反馈系统的稳定性、根轨迹法、频率响应方法、频域稳定性、反馈控制系统设计、状态变量反馈系统设计、鲁棒控制系统和数字控制系统等。本书的例子和习题大多取材于现代科技领域中的实际问题，新颖而恰当。学习和解决这些问题，可以使学生的创造性精神得到潜移默化的提升。
《图像处理、分析与机器视觉（基于LabVIEW）》主要介绍基于LabVIEW的图像处理、分析与机器视觉系统的开发技术。全书尽量避免只进行枯燥的理论讲解，而是从实际工程应用的角度将内容分为 机器视觉系统构建 、 图像操作与增强 和 特征识别与机器决策 三大部分。其中*部分主要讨论成像系统模型原理、镜头相机部件的选型、系统的搭建和校准以及图像采集、显示和存储等技术；第二部分包括图像操作和变换、图像灰度分析以及图像增强等技术；第三部分介绍机器视觉软件开发的关键技术，不仅包括图像分割、形态学处理、特征提取、特征分析、特征在机器视觉系统开发中的应用，以及目标测量、图像模式匹配、目标分类识别等技术，还包括色彩空间和色彩匹配、色彩定位、彩色模式匹配以及色彩分类识别等彩色图像处理技术。《图像处理、分析与机器视觉（基于L
《Python深度学习：基于PyTorch 第2版》 这是一本能指导读者快速掌握PyTorch和深度学习的著作，从PyTorch的原理到应用，从深度学习到强化学习，提供了全栈解决方案。 第1版上市后销量和口碑俱佳，是深度学习领域的畅销书，被誉为PyTorch领域的标准著作。第2版在第1版的基础上，去芜存菁，与时俱进，根据PyTorch新版本全面升级，技术性、实战性、丰富性、针对性、易读性均得到了进一步提升，必能帮助读者更轻松、更高效地进入深度学习的世界。 全书一共19章，在结构上分为三大部分： 部分（第1~4章） PyTorch基础 首先有针对性地讲解了Python和PyTorch的基石NumPy中的关键知识，然后详细讲解了PyTorch的基础知识、神经网络工具箱和数据处理工具箱等内容，帮助读者快速了解和掌握PyTorch。 第二部分（第5~10章） 深度学习基础 依次讲解了机器学习、视觉处理、自然语言处理
本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。 本书适合数据科学家、机器学习开发人员、深度学习爱好者以及希望使用机器学习技术和算法解决实际问题的Python程序员阅读。
通过Scikit-Learn和pandas的端到端项目学习机器学习基础知识 使用TensorFlow 2构建和训练若干神经网络架构，解决分类和回归问题 探索对象检测、语义分割、注意力机制、语言模型，生成对抗网络（GAN）等 探索Keras API,TensorFlow 2的官方高级API 使用TensorFlow的数据API、分布式策略API、TF Transform和TF-Serving来部署用于生产的TensorFlow模型 在Google Cloud 人工智能平台或移动设备上进行部署 探索无监督学习技术，如降维、聚类和异常检测 通过强化学习创建自主学习代理，包括使用TF-Agents库
