本书以51系列单片机和S3C24xx系列(S3C2410/S3C2440)ARM嵌入式处理器为例，讲述嵌入式系统硬件工作原理与接口应用技术、嵌入式程序设计及嵌入式Linux基础应用。全书共分为10章，主要内容有：嵌入式系统概论、单片机基础、ARM体系结构、ARM指令系统、时钟及电源管理、存储器与人机接口原理、中断与DMA技术、串行通信接口与网络接口技术、Linux操作系统及ARMLinux程序设计基础、嵌入式技术综合应用等。与旧版本相比，本书增加了51系列单片机和嵌入式技术综合应用两章

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高等级内容。此外，还介绍了机器学习的热门应用领域技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，每章后都有习题和参考文献，便于巩固学习，适用于高等院校本科生、研究生机器学习、数据分析、数据挖掘

本书剖析了图像复原技术的最新进展，并探索了深度学习技术在图像复原过程中的关键作用。内容包括：基于传统机器学习的图像复原方法、基于卷积神经网络的图像复原方法基础、基于双路径卷积神经网络的图像去噪方法、基于注意力引导去噪卷积神经网络的图像去噪方法、基于级联卷积神经网络的图像超分辨率方法等。

本书图文并茂、深入浅出地介绍了机器学习算法所需的数学、Python语言编程基础知识，以及回归模型、K 近邻、K 均值、决策树、弱学习器集成、人工神经网络、深度学习等常用的机器学习算法。全书共10 章，每章习题中都配套了实验练习环节，实验内容包括Python 开发环境配置、机器学习算法的实际应用等，所有实验都配有Jupyter 的Python 代码，从而使读者既能掌握算法理论原理，又能进行实际应用。
　　本书适合作为普通高等院校本科或研究生阶段的人工智能、机器学习、数据挖掘等课程的教材，也适

本教材系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络，以及强化学习。本教材旨在使读者了解机器学习的发展，理解和掌握机器学习的基本原理、方法与主要应用。本书内容丰富，着重与讲解机器学习理论的推导与证明，并通过实例进行方法分析与比较；本书强调机器学习的系统性、完整性、方法的时效性，可读性强；同时，作为新形态教材，本书配备了大量

本教材内容包括机器学习概述、机器学习开发环境安装及使用，以及8个预测任务(涵盖监督学习、无监督学习、集成学习、深度学习等知识点)。在内容的选取上，本教材突出数据的多样性、方法的代表性和继承性，通过丰富的机器学习任务深入浅出地介绍机器学习技术在现实生活中的应用和实践。本教材共有10章，第1-2章是实施机器学习任务前的概念介绍和环境准备，第3-8章结合案例介绍K-最近邻、线性回归和逻辑回归、决策树、贝叶斯模型、支持向量机、K-平均值等机器学习算法及模型，第9、10章分别介绍了结合多分类器的

本书分为八章，内容涵盖深度学习概念、深度学习框架、深度学习网络结构等基础知识，以及图像分类、目标检测、文本分类、文本翻译等深度学习实践任务。

"本书主要内容包括传感器开发平台搭建、传感器基本装置的设计与制作、传感器显示装置的设计与制作、环境传感器装置的设计与制作、无线传感器装置的设计与制作、生物传感器装置的设计与制作、遥控传感器装置的设计与制作7个项目，涵盖了传感器技术应用的常用开发技术，可以满足学习者学习传感器技术应用嵌入式开发的需求。
本书适合作为大中专院校应用电子技术、人工智能技术应用、电子自动化技术、机电一体化技术、计算机应用技术等专业的教材。"

本书是在第2版的基础上修订而成的。本书系统介绍了传感器与检测技术基础、传统传感器原理及应用、新型传感器原理及应用、信号的转换与调理、抗干扰技术、自动检测系统的设计及应用、智能传感器与现场总线智能传感器和虚拟仪器技术。
本书体系结构完整、内容丰富、叙述简明，注重理论联系实际，突出应用；编写力求做到系统性、先进性、实用性有机结合，以生产现场典型应用实例为基础，把新技术、新成果融入传统知识中。本书可作为自动化、电气工程及其自动化、电子信息工程、测控技术与仪器等专业本科生的教材，也可作为

本书全面介绍TensorFlow 2.x 框架及其在深度学习中的应用，内容包括TensorFlow 简介、Python 语 言基础、环境搭建与入门、TensorBoard 可视化、多层感知机实现、卷积神经网络实现、循环神经网络实 现、强化学习、迁移学习、生成对抗网络和GPU 并行计算等。