本书以德州仪器公司的MSP430G2系列单片机为例，详细介绍了MSP430单片机的结构特点和常用模块的基本工作原理与应用。全书共9章，包括MSP430单片机介绍、MSP430单片机C语言基础、I/O端口、中断系统、定时器、串行通信模块、比较器模块、模数转换，以及MSP430单片机应用设计与仿真。本书包含一个附录，提供了常用逻辑符号对照表。本书结合当前流行的单片机仿真软件Proteus，提供了大量应用仿真实例，引领读者逐步提高单片机软硬件综合设计水平。
本书可作为高等院校电子、通信

本书针对计算机和其他IT专业学生的发展需求，系统、全面地介绍了操作系统的概念、原理、方法与应用。全书共12章，包括硬件基础、操作系统概述、进程描述和控制、线程、互斥与同步、死锁与饥饿、内存管理、处理器管理、I/O设备管理、文件管理、操作系统安全、操作系统发展等内容，力图反映操作系统领域的新知识与发展，具有较强的系统性和可读性。
本书提供了大量习题，并为部分习题提供了参考答案。除第12章外，各章均设计了实验与思考环节，读者可结合Windows、Linux操作系统，通过实践来加深对理

本书从教学和工程应用出发，在第 1 版的基础上对内容进行了修正、更新、调整和扩充，系统地阐述了 PLC 的特征、结构及工作原理，详细介绍了 FX2N 系列及其升级版 PLC 的性能、硬件组态配置、编程资源及工程接线，重点介绍了 FX2N系列 PLC 的指令系统、步进控制、特殊功能模块、PID 控制回路、网络通信及程序设计方法，通过编程软件仿真环境，由浅入深引入了大量的PLC仿真应用示例，对典型PLC工程实例的设计思想、设计步骤、设计方法及调试进行了详尽的介绍。
本书内容翔实、循序

大约在一百年前，电气化改变了交通运输行业、制造业、医疗行业、通信行业，如今AI带来了同样巨大的改变。AI的各个分支中发展为迅速的方向之一就是深度学习。
本书主要涉及以下内容：第1部分是神经网络的基础，学习如何建立神经网络，以及如何在数据上面训练它们。第2部分进行深度学习方面的实践，学习如何构建神经网络与超参数调试、正则化以及一些高级优化算法。第3部分学习卷积神经网络(CNN)，以及如何搭建模型、有哪些经典模型。它经常被用于图像领域，此外目标检测、风格迁移等应用也将涉及。后在第4部

本书为1+X职业技能等级证书（机器视觉系统应用）配套教材之一。本书从机器视觉系统软硬件安装与检测、视觉工具应用、系统集成项目调试与运行等方面介绍了机器视觉系统相关的理论知识和技能实操，以机器视觉系统应用实训平台（初级）为载体，介绍了PLC、机器人、机器视觉等多种技术，涵盖了药盒条码识别、手机尺寸测量、电子芯片引脚缺陷检测及手机定位引导装配等项目。
本书可作为1+X职业技能等级证书——机器视觉系统应用（初级）的培训教材，也可作为职业院校自动化类、电子信息类等专业相关课程的教材，还可作为应用型

本书是一本关于数据处理与误差分析的实用手册。全书主要介绍了实验数据的表示以及实验误差和不准确性的重要概念和方法，包括引言、物理量及其不准确性的表示、误差的分类和传递、概率分布、实验数据处理、数据及其误差的图形处理、数据的拟合函数以及回归贝叶斯分析，侧重于如何在实验数据给定的条件下确定理论中的参数值和不准确性的估计。同时，为满足读者的进一步需求，本书在附录部分给出了背景资料和部分理论推导。全书内容结合了图形、应用实例和计算机程序，能使读者快速掌握科学数据的正确表示、处理和不确定性分析，涵盖了实验的

本书是面向能源动力类相关专业“热工基础”“工程热力学”和“传热学”课程的实验指导教材。全书共分为四章，包括热工基础创新实验绪论、热工实验测量仪表及原理、工程热力学创新实验、传热学创新实验。本书的特色是结合创新实验教学思路进行实验内容的安排，每个实验都包括理论部分、实验部分、拓展部分，内容按照课前“兴趣引导、知识巩固、原理掌握”，课中“实验设计、分组研讨、自主实验”，课后“实验拓展、知识拓展”的创新实验教学体系进行设计和编写。
本书可作为能源动力类相关专业本科生的基础实验指导教材及创新实验指

本书全面讲述人工智能算法的理论基础和案例编程实现。第1章简要介绍机器学习的发展及其应用。第2章和第3章主要介绍机器学习经典分类算法、聚类算法、集成算法和随机森林算法，以及这些算法的具体内容、算法原理和案例编程实现。第4章介绍了深度学习的概念、原理、研究现状，以及典型的神经网络及其相关网络的案例编程实现。第5章介绍了强化学习的发展及其相关算法，包括Q-学习算法、蒙特卡洛算法和动态规划算法，以及这些算法的原理和案例编程实现。第6章介绍了迁移学习的发展及其相关算法，主要包括TrAdaBoost算法和层

模式识别是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程；机器学习是指机器通过统计学算法，对大量历史数据进行学习，进而利用生成的经验模型指导业务的过程。本书介绍模式识别和机器学习技术的主要方面，包括贝叶斯统计决策、概率密度函数的估计、线性分类与回归模型、其他分类方法、无监督学习和聚类、核方法和支持向量机、神经网络和深度学习、特征选择与提取等。本书既重视基础理论和经典方法的介绍，又兼顾前沿知识和最新模型的融入，力图反映该领域的核心知识体系和新发展趋

本书是机器学习领域的入门教材，详细阐述了机器学习的基本理论和方法。全书由12 章组成，包括绪论、线性模型与逻辑斯谛回归、决策树、贝叶斯分类器、k 近邻算法、支持向量机、人工神经网络、线性判别分析、主成分分析法、聚类、EM 算法与高斯混合聚类、集成学习等。 对每一种机器学习算法，均从算法原理的理论推导和MATLAB 实现两方面进行介绍。本书既注意保持理论分析的严谨性, 又注重机器学习算法的实用性，同时强调机器学习算法的思想和原理在计算机上的实现。全书内容选材恰当，系统性强，行文通俗流畅，具有较强的