本教材系统阐述了智能控制的核心理论和工程实现方法，旨在构建从基础理论到设计实践的完整知识体系。主要内容涵盖智能控制概述、模糊集合与推理、模糊控制系统设计与案例分析、人工神经网络原理，以及神经网络控制与强化学习概述。教材不仅深入剖析了模糊逻辑、神经网络、自适应动态规划等关键方法的数学基础与工作机制，更强调工程实践，提供了

本书概述了DCS及现场总线的基本概念:阐述了DCS的硬件体系及架构、DCS的软件体系及功能,介绍了常规控制算法及在DCS中实现的组态方法。论述了数据通信的基本技术及原理,以及DCS及现场总线采用的网络体系及协议标准。重点阐述了现场总线的定义、结构、网络协议及设备描述;介绍了典型现场总线产品的技术特点,列举了过程控制中的

本书以Hadoop3.x技术体系为核心，系统整合大数据平台的基础理论、核心技术与企业级典型应用实践，兼顾理论深度与实操性，助力读者全面掌握大数据全流程开发能力。书中涵盖大数据与Hadoop生态体系、集群搭建，以及Hive、HBase、Sqoop等核心组件的安装配置，深入解析HDFS存储机制与MapReduce计算框架的

本书根据作者的大量企业实践出发，内容覆盖基本概念、理论方法、实现技术，全面介绍工业大数据分析方法。背景与技术基础篇(第1-2章)，从工业大数据内涵、数据特性、数据分析的特点、数据分析方法的发展现状，阐述工业大数据基本概念。制造大数据分析算法与应用篇(第3-4章)，以数据驱动的数据分析方法为主体内容，介绍制造中的数据分析

本书共分为四篇十章，系统涵盖网络化控制系统的核心知识与实践应用。第一篇为网络化控制系统基础(第1-3章)，重点介绍其基本概念、发展历程、典型应用、结构特点、核心问题、通信协议及相关技术；第二篇为网络化控制系统建模与稳定性分析(第4-6章)，阐述稳定性基本概念，以及离散、连续网络化控制系统的建模与稳定性分析方法，同时讲解

本书共分5篇：第1篇(第1-4章)为传统方法篇，着重介绍时间序列分析、网络分析、统计概率建模等经典方法；第2篇(第5-7章)为一般机器学习篇，着重讨论经典聚类算法、降维挖掘算法和分类算法及其应用案例；第3篇(第8-10章)为高等机器学习篇，介绍表征学习、深度学习和图神经网络算法及其应用案例等；第4篇(第11-13章)为

本书力求体例创新，适合教学。每个单元均包含以下部分：Text——选材广泛、风格多样、切合实际的两篇专业文章；NewWords——给出课文中出现的新词，读者由此可以积累大数据专业的基本词汇；Phrases——给出课文中的常用词组；Abbreviations——给出课文中出现的、业内人士必须掌握的缩略语；Analysiso

本书系统介绍了有关数据分析、机器学习和人工智能算法设计过程中数据表示、度量、建模、评价和求解所要用到的最基础的数学知识,全书分为9章,在微积分、线性代数、概率论基础等平台课程基础上,进一步讲述线性空间与线性变换、矩阵分析、矩阵分解、矩阵计算问题、概率模型和参数估计、最优化基础知识、最优性条件和对偶理论、优化算法和信息论

本书主要介绍非线性控制理论的基本工具和方法。在列举非线性动态系统实例及典型现象的基础上，本书系统介绍了非线性系统稳定性理论、无源性及无源定理、输入到状态稳定性及非线性小增益定理等基本工具以及相应的控制方法。最后，本书探讨了如何利用被控对象结构设计控制器，并介绍了构造控制器的几个典型工具。本书既包括了经典理论，又涵盖了非

本书的内容关注在数据采集的两个方面，一方面是抽样调查，即如何科学地抽样以得到对总体有代表性的样本；怎样进行抽样设计；不同抽样方法下，如何计算估计量的抽样误差及效率；另一方面是试验设计，如何合理地安排试验以探究各因素之间的关系，发现科学规律；介绍常用的完全分析设计、正交设计、筛选设计等。本书有理论阐述，也有实际问题方法的