本书主要内容包括：自动控制原理概论，控制系统的传递函数，线性定常系统的稳定性、动态性能和稳态性能分析，根轨迹绘制、线性系统的频域特性分析、线性系统的校正思路与常用校正装置，串联校正和反馈校正等。

深度学习目标检测识别技术是人工智能专业当前研究热点，在民用和国防领域都有着重大需求，也是一个巨大的技术难题，在资源受限平台下，目标感知不确定性大、效率低、功耗大。本书旨在通过对智能网络目标识别技术主要原理和方法的介绍，并且结合作者自己多年来智能感知方面的研究成果，对于其他书籍未涉及到的一些前沿研究进行了补充阐述。本书共八章，第一章和第二章介绍了智能目标的发展历史，简介了机器学习的基本概念，归纳了基于统计模式识别问题和基于深度学习目标识别，深入研究了主流深度学习算法的发展过程和技术细节，这部分作为

深度学习是人工智能中的核心问题之一，本书较系统地介绍了深度学习的基本内容，共15章，分别为概述、前馈神经网络、卷积神经网络、循环神经网络、深度残差神经网络、Transformer模型、生成对抗网络、深度信念网络、胶囊神经网络、自编码器、强化学习、脉冲神经网络、迁移学习、元学习和大语言模型。
本书注重基本概念、基本方法、基本模型和基本应用的介绍，并通过应用实例来说明深度学习模型与算法，语言精练，逻辑层次清晰，内容先进实用，可以作为大学深度学习课程的教材，也可以作为应用深度学习的科技

本书内容系统、全面，全书共11章，归结为3部分进行介绍。第1部分主要介绍Python程序设计基础，包括Python的内建数据结构(列表、元组、字典和集合)、Python语句、Python函数、Python面向对象程序设计和Python数据可视化等。第2部分主要介绍Python数据分析基础，包括NumPy工具、Python矩阵运算、Pandas库和Python办公自动化等。第3部分主要介绍Python机器学习算法，包括回归分析、逻辑回归、决策树与随机森林、朴素贝叶斯分类、支持向量机、主成分分

本书是一本教材。 当今大多数机器学习系统都是从人类的反馈中学习的。然而，大多数机器学习课程几乎只关注算法，而不是系统的人机交互部分。这可能会给从事真实世界机器学习的数据科学家留下很大的知识差距。本书是优化整个机器学习过程的实用指南，包括注释、主动学习、迁移学习技术，以及使用机器学习优化过程的每一步。作者讨论学术界在机器学习应用中对于数据构建的偏见带来的弊端，以及对于机器学习者在数据构建与使用方面的建议。

本书是机器学习的入门书，深入浅出地讲解机器学习的基础理论与应用，不仅注重给理论添加浅显易懂的解释和详述，而且探讨何种创新思维或科学思维可以产生或引导出某个理论，让学习者在学习理论过程中自然地培养创新思维与科学思维。本书知识点包括回归分析、k-近邻算法、决策树、贝叶斯分类器、支持向量机、模型性能评估、集成学习、降维方法、聚类、EM 算法与高斯混合模型、神经网络与深度学习等。本书每章都设计手工计算的应用例题，以演示理论解题和计算过程，帮助学习者理解和掌握理论。每章配有编程实践的实例，不仅示范解题的P

本书以智能数据分析技术及其应用路线为核心, 通过翔实的案例和习题,介绍数据存储设计与Acces数据库管理、数据存储中的表与关系、查询、数据分析语言一Python 数值数据智能分析技术、文本数据智能分析技术和人工智能数据分析方法。

本书是一本实验设计教材，编者通过使用传感器及图形化编程完成学科中的实验设计，改变了传统实验中固化的实验方式，让学生体验科学发现的过程，而不仅仅是对最后正确结果的验证； 通过人工智能技术的应用，使学生可以在任何时间、任何地点都能随时对有兴趣的内容进行学习和创新活动，从而形成一个课内外一体化的自主学习实践平台。本书资源包请扫描前言二维码下载。
本书面向中小学理、化、生学科教师以及爱好科技创新的学生，可作为各级教师的培训教材。

本书讲述了自动控制原理和传感器与检测技术方面的相关实验，不仅介绍了自动控制原理、传感器技术等的基础实验、综合设计实验，还介绍了MATLAB及LabVIEW软件的使用，以及在“自动控制原理”与“传感器与检测技术”两门课程中的应用。

本书采用理论与实训案例相结合的形式，深入浅出地介绍了大模型的基础知识。本书共分为8章，内容涵 盖大模型的基础知识、传统语言模型基础知识、神经网络基础知识、大模型的主要技术、大模型的微调与部署、 大模型的应用，以及面对的挑战和未来发展等。

本书不仅适合作为高等院校人工智能、计算机科学与技术或相关专业学习大模型的入门教材，也适合从事相关工作的人工智能爱好者和工程师学习阅读。