本书内容包括机械工程控制基础的基本概念、系统的数学建模、控制系统的时域分析法、控制系统的频域分析法、控制系统的设计与校正、离散控制系统初步、Matlab/Simulink在控制系统分析中的应用、机械工程控制系统案例分析等。本书可供机械工程类相关专业的本科、成人教育、函授生作为教材，也可供相关教师与工程技术人员作为参考书

本书是与刘振全等编著的《自动控制原理》(西安电子科技大学出版社2017年出版)中“上部：经典控制理论”配套的学习指导用书。本书对教材每章后的全部习题作了详细解答,而且在第4章“控制系统的根轨迹分析”中还额外补充了“易错题解析”的内容,方便读者更全面地把握根轨迹分析的相关内容。 本书可作为工科院校本科(或应用型本科)自

本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。本书随书提供了机器学习中若干重要问题的MATLA

着重介绍深度强化学习的学术界前沿进展与核心代码分析的书籍。对深度强化学习方面的重要学术进展按照单智能体深度强化学习、多智能体深度强化学习、多任务深度强化学习三个方向梳理，介绍其核心算法，以及算法的代码实现示例。

本书介绍了数据科学领域常用的所有重要机器学习算法以及TensorFlow和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、k均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。在本书中，你将学会如何使用这些算法来解决所遇到的问题，并了解这些算法的工作方式。本书还将

本书内容包括神经网络的基础、深度神经网络的优化和验证、深度神经网络开发和训练环境的构建、使用Tensor-Board进行网络训练的监控和模的超参数优化。本书详细介绍的深度学习问题，包括基本的回归问题、二元分类问题和多元分类问题，还包括较为复杂的卷积神经网络对图像的分类和使用预训练CNN进行的迁移学习；使用递归神经网络进

本书首先从深度学习的原理出发，介绍如何把深度学习的理论转换为PyTorch代码，然后介绍如何在计算机上运行这些代码。作为一本面向初中级读者的技术类图书，本书在前面所述内容的基础上，还介绍了学术界前沿的一系列实例，以及PyTorch的源代码结构，以期读者能够融会贯通深度学习框架的设计和应用的思想。

本书系统介绍了深度学习理论，并基于MindSporeAI计算框架进行实践。全书共分十四章，内容涵盖了深度学习概况、理论基础、深度神经网络、卷积神经网络、无监督学习、深度强化学习、自动化机器学习、端云联合训练、可视化、数据准备等内容。为便于读者学习，书中还给出了基于MindSpore实现的关于深度学习的开发实例以及线上资

本书介绍了机器学习的基本算法、历史发展、应用前景及相关问题。内容包括：机器学习所涉及的必要的数学知识，机器学习的基本模式和任务，神经网络的基本理论及算法结构，分类与聚类学习算法，数据维度归约的基本方法，图理论及方法以及当前比较流行的机器学习理论和算法。本书在加深学生对经典机器学习方法理解的基础上适当扩展其视野，以培养和

随着人工智能技术在各行业的应用蓬勃发展，其已渗透社会及人们日常生活的方方面面，且在图像分类、目标识别、自然语言处理等领域显示了良好的效果和前景。但是，人工智能及其分支技术有一些特定的脆弱性，在某些场景下容易受到欺骗和攻击，若不对此采取一定措施，就有可能造成严重的后果。本书通过介绍针对图像分类的对抗技术，描述了深度神经网