本书采用技术分析与场景描述相结合的模式，围绕物联网体系结构、关键技术和安全防控等方面进行系统的介绍。本书主要包括物联网概述、物联网基础知识、物联网数据服务、场景角度的IoT安全、技术角度的IoT安全、物联网流量安全、区块链与物联网安全七部分内容。

　　《人工智能导论（第5版）》是一本基础性强、可读性好、适合讲授的人工智能教材。作者希望读者通过学习该书，能够掌握人工智能的基本知识，并能了解人工智能研究的一些前沿内容，为进一步学习人工智能理论与应用奠定基础。
　　全书共11章。第1章绪论；第2章知识表示与知识图谱；第3章确定性推理方法；第4章不确定性推理方法；第5章搜索求解策略；第6章智能计算及其应用；第7章专家系统与机器学习；第8章人工神经网络及其应用（新增卷积神经网络、胶囊网络、生成对抗网络）；第9章智能体与多智能体系统；第10

本书全面系统地阐述了人工智能的基本原理，勾画了人工智能理论和技术体系的基本框架，内容涵盖了人工智能各个分支领域的基本知识和主要内容，并体现了人工智能的最新进展。本书内容全面、基础、新颖、实用，为读者进一步学习和研发奠定了基础，指引了方向。全书共分为六篇，每篇为一个知识单元。本书结构风格独特，条理清楚，语言精练，图文并茂，理例结合，深入浅出，易读易懂，易教易学。本书适合于人工智能、数据科学、计算机、自动化、软件工程、网络工程、电子信息等专业使用，亦可供其他专业的师生和相关工程技术人员自学或参考。

本书系统地介绍了人工智能的基础知识、核心技术、近年来的发展，以及在金融领域的应用情况。全书分为上下两篇，共14章。上篇为人工智能基础理论，内容包括人工智能概述、智能搜索技术、博弈决策、确定性知识表示及知识推理、不确定性推理、机器学习、计算智能、智能主体技术；下篇为人工智能的应用，内容包括面向金融领域的信息抽取、面向金融领域的情感分析、智能问答、生物特征识别、联邦学习、博弈决策进阶及其在金融领域的应用。
本书可作为深港澳金融科技师一级考试的复习指导用书，也可供从事或有志于从事金融

本教材共9章，采用知识体系和案例体系两种方式对人工智能技术及其应用进行阐述。第1章介绍了人工智能的概念，对人工智能的社会价值、应用领域以及未来发展进行展望。第2章介绍了人工智能技术知识与知识表示，列出其知识图谱。第3章对机器学习进行概述，从发展、范围、方法、工具以及挑战等方面对人工智能的机器学习进行介绍。第4章介绍了人工神经网络与深度学习的有关知识。第5章从计算机视觉、图像视频识别、模式识别、语音识别和生物特征识别等方面对智能识别进行了介绍。第6章介绍了自然语言理解，对其理解过程的层次任务、自然

本书全面、系统地介绍了经典控制理论的基本内容和自动控制系统的分析、校正与综合设计方法。全书共分8章，主要包括自动控制的基本概念、控制系统的数学描述、时域分析法、根轨迹分析法、频域分析法、线性控制系统的综合与校正、离散时间控制系统、非线性控制系统等。每章最后一节为相应的Matlab仿真实例。各章末给出本章小结和关键术语和概念，并配有适当的习题。
本书可作为普通高等院校自动化类、电气信息类、电子信息类和计算机类等相关专业的教材，也可作为科技人员的参考用书。

自动控制原理是自动化相关专业的基础理论课。本书主要介绍自动控制原理的经典验证性实验及综合设计性系统实验。全书共11章，内容包括自动控制系统的时域分析、根轨迹法、频率法、控制系统的校正、非线性系统分析、线性离散系统、基于ELVIS II的控制系统设计、单自由度垂直起降飞行器控制系统的设计、旋转倒立摆控制系统的设计、实验中常用仪器设备的使用、实验报告等。
本书可作为全国普通高等学校自动化及仪表、电气传动、计算机、机械、化工、航空航天等相关专业的学生深入学习和理解《自动控制原理》课程内容的辅助用

机器学习是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是模拟人类的学习活动，从数据中获取知识和技能，重新组织已有的知识结构，从而不断改善系统性能。本书共9项目。项目1介绍机器学习基础，概要介绍机器学习的发展简史和一般步骤，以及本书涉及的方法和算法；项目2项目7讨论k近邻算法、线性回归、决策树、贝叶斯分类、支持向量机、集成学习等监督学习方法；项目8介绍聚类的基本知识，阐述无监督学习方法；项目9讨论深度神经网络，主要论述卷积神经网络和循环神经网络两种模型。本书由

本书共11章，主要介绍机器学习的基本概念和两大类常用的机器学习模型，即监督学习模型和非监督学习模型。针对监督学习模型，本书介绍了线性模型（线性回归、Logistic回归）、非线性模型（SVM、生成式分类器、决策树）、集成学习模型和神经网络模型及其训练；针对非监督学习模型，本书讲解了常用的降维技术（线性降维技术与非线性降维技术）和聚类算法（如均值聚类、GMM、层次聚类、均值漂移聚类、DBSCAN和基于密度峰值的聚类等）。 本书可作为高等院校计算机应用、人工智能等专业的机器学习相关课程的教材，也可作

本书从深度神经网络和AI芯片研究现状出发，系统地论述了目前深度学习主流开发平台和深度神经网络基于FPGA平台实现加速的开发原理和应用实例。全书主要包括5部分：第1～2章介绍了深度神经网络的发展，并总结了深度学习主流开发平台和AI芯片的研究现状；第3～6章在对深度神经网络基础层算子、FPGA进行了介绍后，总结了FPGA神经网络开发基础及RTL级开发；第7章分析了基于FPGA实现神经网络加速的实例；第8章介绍了基于OpenCL的FPGA神经网络计算加速开发；第9章分析了前沿神经网络压缩与加