《自动控制原理（第2版）》主要内容包括控制系统的数学模型，线性系统的时域分析法、根轨迹法、频域分析法、综合与校正，非线性系统的分析，线性离散系统的分析。本书着重于基本概念、基本理论和基本分析方法，并附加学习资源，扫描书中的二维码可随时完成基本测试题练习并查看参考答案。本书在国家智慧教育公共服务平台有配套在线课程，可供读者学习。
《自动控制原理（第2版）》可以作为高等院校自动化、电气工程及其自动化、测控技术与仪器、电子信息工程、通信工程、生物医学工程、机械设计制造及其自动化、能源与动力工程、

在人工智能发展的漫长历程中，如何让机器学会创作一直被视为难以逾越的天堑，创造力也因此被视为人类与机器最本质的区别之一。然而，人类的创造力也终将赋予机器创造力，把世界送入智能创作的新时代。人工智能绘画作品的夺冠、超级聊天机器人ChatGPT的出现，无疑拉开了智能创作时代的序幕。从机器学习到智能创造，从PGC、UGC到AIGC，我们即将见证一场深刻的生产力变革，而这份变革也会影响到我们工作与生活的方方面面。本书将结合生动的比喻和有趣的案例，向所有关注未来科技的从业者、创业者、投资人、政府部门科

本书重点分析非线性时滞系统的迭代学习控制方案设计及其稳定性分析问题。内容包括：不确定时变参数化非线性时滞系统迭代学习控制、非参数化非线性时滞系统迭代学习控制、控制方向未知的非线性时滞系统迭代学习控制、基于观测器的非线性时滞系统迭代学习控制、机械臂系统自适应迭代学习控制等。

共融机器人是能够与作业环境、人和其他机器人自然交互、自主适应复杂动态环境并协同作业的机器人。“敏锐体贴型”的自然交互是共融服务机器人的研究热点问题之一。当前迫切需要共融机器人具备多模态交互信息的情感分析能力。本书针对多模态机器学习方法的情感分析领域，从多模态交互信息特征的学习表示出发，系统介绍了自然交互中的特征学习表示、特征融合和情感分类的方法，并进一步探讨了如何实现鲁棒的多模态情感分析法。
本书是共融机器人自然交互领域国内第一本系统介绍多模态交互信息情感分析的专业书籍，可为读者掌握共融机

本书是工科类专业的实验教学教材，配套有2021年江苏省省级金课"城市追踪场景下的自动控制虚拟仿真实验”。该虚拟仿真课程给学生提供了一个随时随地实验学习的平台。本书涵盖了经典控制理论与现代控制理论的重点和难点内容，强调理论与实际相结合，主要内容包括MATLAB软件基础、四旋翼无人机虚拟仿真实验平台、控制系统的时域分析、根轨迹分析与设计、线性系统的频域分析法、线性系统的串联校正、非线性控制系统分析、状态空间分析及最优控制、无人机自动跟踪虚拟仿真综合实验，配以MATLAB软件的相关函数和代码，提供控制

软件架构是指可以简化软件开发过程并提高应用程序质量的实现架构和系统。本书在第1版的基础上进行了全面修订和扩展，面向.NET 5和C# 9，介绍了一些能够助你成为一名卓越的软件架构师所需的关键技能、知识和**实践。
　　第2版增加了对软件架构原则的额外讲述、Azure服务结构、Kubernetes和Blazor等新章节。另外，还增加了关于安全性、微服务和DevOps的讨论，以及软件开发周期的GitHub部署。
　　首先，介绍如何将用户需求转换为软件架构需求，并探讨功能性需求和非功能性需

本书将人工智能与人类智慧深度融合，系统、全面地介绍了类脑智能目标检测网络的构建原理、方法、过程，具有较高的学术价值；同时，本书将所构建的类脑智能目标检测网络在无人车交通标志检测、无人车-机械臂协同作业这两个场景进行了示范应用，具有较大的工程应用价值。
本书主要的读者群体为从事类脑智能、计算机视觉、无人系统研究的科研工作者，以及人工智能、电子信息、计算机工程等相关专业的博士研究生、硕士研究生。

本书基于作者多年的研究成果，详细介绍了跨数据中心机器学习的训练系统设计和通信优化技术。本书面向多数据中心间的分布式机器学习系统，针对多数据中心间有限的传输带宽、动态异构资源，以及异构数据分布三重挑战，自底向上讨论梯度传输协议、流量传送调度、高效通信架构、压缩传输机制、同步优化算法、异构数据优化算法六个层次的优化技术，旨在提升分布式机器学习系统的训练效率和模型性能，突破跨数据中心机器学习的通信瓶颈和数据壁垒，实现多数据中心算力和数据资源的高效整合。本书可作为跨数据中心机器学习的参考资料，供人工智能

本书是《Scikit-learn机器学习详解》（潘风文编著）的进阶篇，讲解了Sklearn（Scikit-learn）机器学习框架的各种高级应用技术，包括数据集导入工具、集成学习、模型选择和交叉验证、异常检测、管道、 信号分解、模型持久化以及Sklearn系统高级配置。通过本书的学习，读者可快速掌握Sklearn框架的高级知识，迈入人工智能殿堂的大门。本书适合有志于从事机器学习、人工智能技术开发的人员或爱好者使用，也可作为相关专业的教材。

本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点，为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题，以及近年来的研究进展。第2章介绍传统匹配模型，包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型，并将当前的深度学习解决方案分为两类：表示学习方法和匹配函数学习方法。第6章对全书内容做了总结，并为读者指明进一步学习的方向。

本书适合对深度学习感兴趣的各类读者，包括