《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》从应用出发，系统介绍人工智能的基本理论、方法和技术，以及传统行业AI化改造的解决方案。全书共8章，内容涵盖人工智能概述、Python基础、机器学习、计算机视觉、语言识别、自然语言处理、知识图谱和人工智能行业解决方案。
《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》理论和实践相结合，每章使用思维导图梳理知识点，并配有案例及实现，内容重点突出、结构清晰； 同时还在附录中提供了人工智能平台环境搭建的操作手册，便

机器学习是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是模拟人类的学习活动，从数据中获取知识和技能，重新组织已有的知识结构，从而不断改善系统性能。本书共9项目。项目1介绍机器学习基础，概要介绍机器学习的发展简史和一般步骤，以及本书涉及的方法和算法；项目2项目7讨论k近邻算法、线性回归、决策树、贝叶斯分类、支持向量机、集成学习等监督学习方法；项目8介绍聚类的基本知识，阐述无监督学习方法；项目9讨论深度神经网络，主要论述卷积神经网络和循环神经网络两种模型。本书由

本书全面、系统地介绍了经典控制理论的基本内容和自动控制系统的分析、校正与综合设计方法。全书共分8章，主要包括自动控制的基本概念、控制系统的数学描述、时域分析法、根轨迹分析法、频域分析法、线性控制系统的综合与校正、离散时间控制系统、非线性控制系统等。每章最后一节为相应的Matlab仿真实例。各章末给出本章小结和关键术语和概念，并配有适当的习题。
本书可作为普通高等院校自动化类、电气信息类、电子信息类和计算机类等相关专业的教材，也可作为科技人员的参考用书。

自动控制原理是自动化相关专业的基础理论课。本书主要介绍自动控制原理的经典验证性实验及综合设计性系统实验。全书共11章，内容包括自动控制系统的时域分析、根轨迹法、频率法、控制系统的校正、非线性系统分析、线性离散系统、基于ELVIS II的控制系统设计、单自由度垂直起降飞行器控制系统的设计、旋转倒立摆控制系统的设计、实验中常用仪器设备的使用、实验报告等。
本书可作为全国普通高等学校自动化及仪表、电气传动、计算机、机械、化工、航空航天等相关专业的学生深入学习和理解《自动控制原理》课程内容的辅助用

深度学习是人工智能与机器学习领域的重要研究分支，深度卷积神经网络是其核心内容之一。本书作为一本深度卷积神经网络方面的入门与提高书籍，目的是使读者通过学习了解和掌握卷积神经网络的理论基础与应用方法。全书共10章，分为三个部分：第1～3章为第一部分，主要介绍卷积神经网络基本理论；第4～5章为第二部分，概述卷积神经网络相关工具和框架；第三部分为第6～10章，介绍了数据集、数据处理及网络训练知识，最后给出了卷积神经网络的三个典型应用实例。本书可作为高等学校人工智能、计算机科学与技术、信息工程、自动化等专

本书主要介绍人工智能的发展历史、技术和应用，内容主要包括知识图谱、搜索技术、智能优化算法、机器学习、人工神经网络、深度学习、人工智能应用（人脸识别、语音识别、自然语言处理、机器人等）、人工智能工具、人工智能伦理等。本书的特色是通过案例为主线，提出关键问题，以解决问题为导向，介绍人工智能领域的相关概念、理论、技术和应用，采用启发式和讨论式的写作风格，让学生更具有代入感、参与感和获得感。主要面向本专科大一新生。

本书是依据教育部**颁布的《高等职业学校专业教学标准》中对本课程的教学要求编写而成的。
本书主要内容包括：走近人工智能、初识Python、让机器认识你、机器怎么学习、让机器听你指挥、走进人工智能等。本书试图突破人工智能算法难以理解的难点，通过具象化的小项目实现做中学、做中教，强调人工智能技术的应用。
为方便教学，本书配套有演示文稿、场景拍摄、录屏演示、源代码等丰富的立体化教学资源，其中，部分资源以二维码形式在书中呈现，其他资源可以通过配套的数字课程网站获取。
本书可

本书主要内容包括人工智能概述、知识表示和知识图谱、机器学习、人工神经网络与深度学习、智能识别、自然语言处理、专家系统、智能体与智能机器人、Python语言、人工智能案例设计与实现。

本书重点研究机器学习的数学理论。第壹部分探讨了在非凸优化问题中，选择梯度下降步长来避免严格鞍点的*优性和自适应性。在第二部分中，作者提出了在非凸优化中寻找局部极小值的算法，并利用牛顿第二定律在一定程度上得到无摩擦的全局极小值。第三部分研究了含有噪声和缺失数据的子空间聚类问题，这是一个由随机高斯噪声的实际应用数据和/或含有均匀缺失项的不完全数据激发的问题。*后，提出了一种新的具有粘性网正则化的VAR模型及其等价贝叶斯模型，该模型既考虑了稳定的稀疏性，又考虑了群体选择。

本书理论知识体系完备，由浅入深，系统性地介绍了深度学习模型的发展脉络，以及模型深度设计、模型宽度设计、模型通道维度设计、残差连接设计、分组卷积设计、多尺度与非正常卷积设计、多输入网络设计、时序神经网络设计、三维卷积网络设计、动态推理模型与注意力机制设计、生成对抗网络设计这10类主流的深度学习模型设计思想。同时，本书为各模型设计思想提供了大量的实例，供读者实战演练。

本书注重内容的完整性与实用性，既可以作为深度学习与计算机视觉初学者、相关专业的在校学生学习核心算法的