本书结合了最新的深度学习技术应用成果，充分考虑了大学生的知识结构和学习特点，结合各个专业特点介绍了深度学习的基本概念及TensorFlow框架，以及深度学习在各个领域的具体应用。 本书为高职高专院校深度学习基础课程教材重点介绍了神经网络与深度学习、TensorFlow环境使用、卷积神经网络、循环神经网络、迁移学习等内容。各个章节知识浅显易懂，每个章节后都有实际应用，以强化学生实践能力。 本书可作为高职院校深度学习基础通识教材。

本书以Python为基础，使用Sklearn平台，逐步带领读者熟悉并掌握机器学习的经典算法。全书共12章，主要内容包括人工智能概述、Python科学计算、数据清洗与特征预处理、数据划分与特征提取、特征降维与特征选择、模型评估与选择、KNN算法、决策树、线性模型、朴素贝叶斯算法、支持向量机和k均值聚类算法，附录介绍了课程教学大纲和Sklearn数据集。
本书内容精练，文字简洁，结构合理，案例经典且实用，综合性强，面向机器学习入门读者，侧重提高。
本书适合作为高等院校相关专业机器学习入门

本教程通过阐述直观而严谨的机器学习方法，为学生学习和掌握研究和构建数据驱动产品所需的基本知识和实用工具。内容优先解析几何直觉和算法思维，为学生提供新颖和易于学习的方式；书中也强调机器学习结合实际应用，包括计算机视觉、自然语言处理、经济学、神经科学、推荐系统、物理学和生物学案例分析；作者精心设计300多幅彩色插图，让读者能够直观地掌握技术概念，另配100多个深入的编程练习（Python），为读者提供了对关键机器学习算法的真正理解。本书还在网上提供了一整套在线教辅资源，包括示例代码、数据集、交互式讲

本书主要作为本科院校和高职高专院校的机械类及近机械类专业的控制工程基础课程实验教材，也可供相关领域的工程技术人员参考。本书中、英部分均分为Ⅰ、Ⅱ两篇。第Ⅰ篇基于质量-弹簧-阻尼机械振动实验系统，共包含4个实验，分别为实验系统参数辨识、实验系统数学建模与仿真、PID控制及开放实验——双自由度系统自由振动模态分析。第Ⅱ篇基于Quanser QUBE Servo 2实验系统，共包含9个实验，分别为系统集成实验、滤波实验、伺服电动机系统建模与验证、一阶系统参数辨识、二阶系统的阶跃响应、PD控制、速度控制

本书根据教学大纲和学时安排, 选取了经典控制理论和现代控制理论方法的基础部分, 编写了本教材。内容包括: 自动控制原理概念; 自动控制原理的数学模型时域分析方法; 根轨迹法; 频率域方法; 控制系统的校正设计; 非线性系统理论; 采样系统理论; 现代控制理论基础; 李雅普诺夫稳定性分析。

本书是一部论述机器学习原理与算法的立体化教材（含纸质图书、教学课件和部分视频教程），本书兼顾机器学习基础、经典方法和深度学习方法。对组成机器学习的基础知识和基本算法做了比较细致的介绍，对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等算法都给出了深入的分析，并讨论了无监督学习的基本方法。用5章的篇幅对深度学习和深度强化学习做了相当全面的叙述，不仅深入地讨论了反向传播算法、多层感知机、CNN网络、RNN网络和LSTM结构等深度神经网络的核心知识和结构，对于一些发展

本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

本书较为全面地介绍了深度学习应用场景下的人工智能技术服务、深度学习数据应用、深度学习基础应用等技术。全书共10个实训项目, 包括人工智能需求分析、人工智能产品设计、人工智能平台应用、数据采集工程应用、数据处理工程应用、数据标注工程应用、机器学习模型训练、深度学习框架应用开发、深度学习框架基础功能应用、深度学习线性回归模型应用等。本书以企业用人需求为导向, 以岗位技能和综合素质为核心, 通过理论与实战相结合的方式, 培养能够根据深度学习项目需求, 完成数据的采集、标注、处理等工作以及机器

本书较为全面地介绍了深度学习模型训练、计算机视觉模型应用、自然语言处理模型应用等技术。全书共9个实训项目, 包括深度学习全连接神经网络应用、深度学习卷积神经网络应用、深度学习循环神经网络应用、计算机视觉模型数据准备、计算机视觉模型训练与应用、计算机视觉模型部署、自然语言处理预训练模型数据准备、自然语言处理预训练模型训练与应用、自然语言处理模型部署等。本书以企业用人需求为导向, 以岗位技能和综合素质为核心, 通过理论与实战相结合的方式, 培养能够根据深度学习项目需求, 完成模型训练、模型

　《事件驱动神经形态系统》系统地描述了神经形态工程领域的新技术，包括构建完整的神经形态芯片和解决制造多芯片可扩展系统面临的技术问题。
　　《事件驱动神经形态系统》主要内容分为两部分。分（第2-6章）描述了所构建的AER通信体系结构、AER传感器和电子神经模型，其中，第2-5章用树状图描述了将架构和电路关联起来的历史，并引导读者阅读大量文献；第6章描述了关于事件驱动系统学习的大部分理论知识。第二部分（第7-16章）面向神经形态电子系统构建方向的读者，提供了用于构建传感器和计算单元建模神经