该教材是在董景新等编著的《控制工程基础》第4版的基础上，适应线上线下混合式教学编写。教材第5版采用纸质教材和数字化资源结合的新式教材，这种教材既能保持纸质教材的结构逻辑严谨，又能发挥数字化资源的丰富直观。教材主要面向机械类、仪器类及其他非控制专业本科生。主要内容包括：控制系统的动态数学模型、时域瞬态响应分析、控制系统的频率特性、控制系统的稳定性分析、控制系统的误差分析和计算、控制系统的综合与校正、根轨迹法、计算机控制系统、控制系统的非线性问题、MATLAB软件工具在控制系统分析和综合中的应
本书从应用型本科高校的教学需求出发，以经典控制理论为主，较为系统地介绍了自动控制的基本理论及其应用，并引入控制领域广泛使用的MATLAB软件进行仿真实验与辅助设计与分析。全书共6章，包括绪论、线性系统的数学模型、控制系统时域分析法、控制系统根轨迹分析法、控制系统频域分析法、控制系统的校正。每章都在开篇明确了教学目标并配有理论与仿真实验习题。为方便教学，本书配有电子课件、教案、习题解答等教学资源。本书可作为应用型本科和高等职业院校物联网工程、人工智能、电子信息、计算机、机械、材料、化工等专
嗨，大家好，我是人工智能小艾，是一个能像你们一样思考的电脑程序，我通过大量地读取数据进行学习，今天就由我当向导，带领你们去认识一下我的人工智能朋友们吧。他们有的负责驾驶无人车，有的负责人脸识别，有的负责推荐衣食住行，有的协助你和外国人交流翻译，有的协助医疗检查，对了对了，还有协助抓小偷的呢……该绘本还有“新科技小提示”“增长知识”“开阔眼界”等栏目，对绿色能源的相关科普知识也进行了简洁透彻的讲解。
本书从原理和实战两个维度对GAN进行了全面讲解。 全书一共12章，分为两个部分： 第一部分（第1-5章） 原理篇 对生成模型，以及GAN的优化、训练、评估、可视化、结构等原理性内容进行了详细讲解。 第二部分（6-12章） 实战篇 这部分对GAN的主要应用场景的实战性内容进行了讲解，包括图像生成、风格迁移、图像增强、图像分割、目标检测、对抗攻击、语音生成等场景下的GAN实战进行了讲解。
本书内容共分为10章，从学科基础、技术基础、重点方向与领域、行业应用、伦理法律5方面系统、整体介绍人工智能的定义、方法、体系、应用及其内涵。第1章介绍人工智能定义及新知识体系。第2章介绍人工智能孕育史、机械论、计算历史、控制论、联结主义起源
● 本书首先介绍AI与AI安全的发展起源、世界主要经济体的AI发展战略规划，给出AI安全技术发展脉络和框架，并从AI安全实战出发，重点围绕对抗样本、数据投毒、模型后门等攻击技术进行案例剖析和技术讲解；然后对预训练模型中的风险和防御、AI数据隐私窃取攻击技术、AI应用失控的风险和防御进行详细分析，并佐以实战案例和数据；最后对AI安全的未来发展进行展望，探讨AI安全的风险、机遇、发展理念和产业构想。
● 本书适合AI和AI安全领域的研究人员、管理人员，以及需要实战案例辅助学习的广
本书针对深度学习及开源框架——PyTorch，采用简明的语言进行知识的讲解，注重实战。全书分为4篇，共19章。深度学习基础篇（第1章~第6章）包括PyTorch简介与安装、机器学习基础与线性回归、张量与数据类型、分类问题与多层感知器、多层感知器模型与模型训练、梯度下降法、反向传播算法与内置优化器。计算机视觉篇（第7章~第14章）包括计算机视觉与卷积神经网络、卷积入门实例、图像读取与模型保存、多分类问题与卷积模型的优化、迁移学习与数据增强、经典网络模型与特征提取、图像定位基础、图像语义分割。自然语
针对每个想要了解深度学习概念的数据科学爱好者，本书通过通俗易懂地解释R代码，让读者可以很容易起步。在深度学习算法和应用的理论和实践方面做到了平衡，在讲述基础理论的同时，通过45个基于R语言的编程实例让读者循序渐进地掌握深度学习技术。？ 读者将通过实战案例实现卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）、序列到序列模型、生成对抗网络（GAN）和强化学习，还将学习使用GPU进行大型数据集的高性能计算，以及R语言中的并行计算编程。？ 各个部分内容安排合理，
本书以Python为开发语言，采用理论与实践相结合的形式，系统全面地介绍了机器学习涉及的核心知识。本书共6章，其中第1章介绍机器学习的基础知识，包括机器学习的概念、分类、研究范围、开发环境等，介绍第一个机器学习案例； 第2、3章介绍机器学习的主要方法： 监督学习与无监督学习，涉及目前机器学习最为流行的经典算法和模型，如KNN、朴素贝叶斯、决策树、线性回归、逻辑回归、SVM、神经网络、PCA降维、KMeans，每个算法模型都配有代码及可视化演示，让读者能更直观形象地理解机器学习； 第4章介绍机器
新书资讯 新书推荐