本书从实用的角度出发，全面介绍了Photoshop的使用方法。全书分为两部分，第一部分为基础知识讲解，主要介绍Photoshop的基本操作和主要功能，包括认识Photoshop2023、文件和图像的基础操作、创建与使用选区、使用图层技术合成图像、文字输入与设计、照片色彩与色调调整、绘画与修图、使用滤镜制作图像特效、矢量工具与路径编辑、通道与蒙版的应用、动作与批处理等内容。第二部分为实战应用案例，主要介绍Photoshop在各个领域中的应用实例，主要包括数码照片后期处理、图像合成与特效应

本书共13章，依次讲述程序设计基础、算法基础、排序、查找、搜索、字符串匹配、图论、动态规划、高级数据结构、数论、组合数学、计算几何基础、博弈论。
书中提供了大量习题和答案供读者学习使用。
本书可作为高等学校计算机相关专业算法设计类课程的教材，也可供对算法设计、程序设计竞赛感兴趣的读者自学使用。

本书共分三部分，第一部分主要介绍了micro:bit板，包括micro:bit板的组成与编程软件。第二部分通过五个实践小项目，一边做项目，一边学习Python语言编程，这里既包括LED点阵屏的控制、扩展板的使用、串口控制、radio模块与板载按钮等micro:bit板的使用，又在每个项目的相关知识中涵盖了Python程序语言的基本语法、算法控制结构及相关语句、基本数据类型与函数等。第三部分结合全书，设计了一个室内光线实时监测系统的大项目，讲解了信息系统如何从前期准备到搭建，再到完善的全

本书共9章，内容包括近年来作者在Clifford代数上的模糊运算与时标上Clifford代数的紧几乎自守函数理论及应用方面的最新研究成果，主要包括概周期时标上的紧几乎自守函数的定义及基本性质，在Clifford代数上的模糊运算的定义及相关性质以及时标上Clifford值神经网络系统的概周期解、伪概周期解、加权伪概周期解、几乎自守解的存在性问题方面的应用。

本书围绕人工智能技术应用框架和认知规律，将“德”与“技”有机结合，由浅入深从“理念—开发—数据—算法—技术—产品—行业—情感”8个认知层面对人工智能技术进行剖析，构建全栈知识体系。本书基于BOPPPS教学方法重构教学环节，主要分为“导入—学习目标—知识探索—案例体验—拓展阅读—本章总结—学习评价—思考探索”8个环节，根据内容适时穿插案例，使读者通过项目实践获得所学即所用的成就感。本书配套案例源代码、习题、教学课件等资源。本书可以作为高等院校人工智能技术、电子信息类、机电一体化、应用电子技术及相关

本书详细介绍了过程控制中常见的变送器和转换器、模拟式控制器、数字式控制器、执行器、可编程控制器、集散控制系统和现场总线控制系统等的功能特点、结构原理和使用方法。
本书是第四次修订，结构上不再设立模拟式和数字式两大篇。在内容上进行了部分增删，力求反映当代自动化仪表的先进水平。适当增加了安全仪表系统概述，以满足教学需求。为便于读者自学，各章还附有思考题与习题。
本书可作为高等院校自动化、测控技术及仪器等相关专业的教材，还可供工矿企业职业培训及相关技术人员参考。

随着移动互联网技术的飞速发展，网页内容变得更加生动。炫酷的页面交互、跨终端的适配兼容功能，让用户有了更好的上网体验，这些都是基于前端技术实现的。
本书以1+X 《Web前端开发职业技能等级标准》为编写依据，循序渐进地介绍JavaScript开发相关技术。首先深入分析JavaScript的核心知识，然后详细讲解jQuery技术。全书从实战出发，针对每个重要的知识点，设计“最小化”案例，一点一例，由浅入深。本书适合高等职业院校计算机类专业的学生作为Web前端开发相关课程的教材，也可作为培训机构

本书介绍了机器人的基础知识，并通过大量的仿真实例，对机器人机械臂的运动学、动力学、运动轨迹规划、关节控制进行了详细分析，后讨论了机械系统中常用的仿真方法，并附有必要的计算程序和仿真流程。
本书中部分仿真实例给出了演示视频，读者可扫描二维码观看。
本书内容精炼，由浅入深，实例丰富，注重理论与实际相结合。本书可作为普通高等院校机械、自动化、人工智能等相关专业的教材，也可供从事机器人研究、开发和应用的科学技术人员参考。

本教材按照教育部新的职业教育教学改革要求，以常见的焊接、搬运、打磨、上下料等典型机器人工作站和智能生产线为载体，按照典型机器人工作站的系统组成单元，从工作站的机械部分、电气部分、传感及辅助部分，介绍工业机器人、常见通用零件、气动系统、传感系统、通信系统故障诊断与维护的方法、步骤和技巧，同时融入常见机电系统中机械、电气、液压、电气系统故障诊断内容。在工业机器人故障诊断与维护中，包含了目前市场上的ABB、FAUNC、ESTUN等品牌机器人，有效降低了各院校因实训设备差异对教学的影响。

本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。
全书分为 4 篇，共 19 章：微积分篇（第 1～5 章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第 6～10 章），主要介绍向量、矩阵、行列式、线性方程组、特征值和特征向量等，并介绍这些数学知识在人工智能中的应用；概率统计篇（第 11～17 章），主要介绍概率、随机变量、数字特征、相关分