本書全面介紹了作者近年來在奇異攝動飽和控制系統(tǒng)分析與設(shè)計方面的研究成果。書中介紹了奇異攝動飽和控制系統(tǒng)穩(wěn)定性分析方法、奇異攝動飽和控制系統(tǒng)設(shè)計方法、具有L2擾動的奇異攝動飽和系統(tǒng)快采樣控制設(shè)計和慢采樣控制設(shè)計方法、奇異攝動切換飽和控制系統(tǒng)設(shè)計方法、奇異攝動系統(tǒng)抗飽和控制設(shè)計方法、非線性奇異攝動系統(tǒng)模糊采樣控制設(shè)計方法、

本書以經(jīng)典控制理論為主，同時也介紹了現(xiàn)代控制理論基礎(chǔ)部分內(nèi)容。內(nèi)容包括自動控制系統(tǒng)的數(shù)學(xué)模型，時域分析法，控制系統(tǒng)的綜合與校正，離散控制系統(tǒng)，控制系統(tǒng)的狀態(tài)空間分析與綜合等。

Google、微軟和Facebook等公司正在積極發(fā)展內(nèi)部的深度學(xué)習(xí)團隊。對于我們而言，深度學(xué)習(xí)仍然是一門非常復(fù)雜和難以掌握的課題。如果你熟悉Python，并且具有微積分背景，以及對于機器學(xué)習(xí)的基本理解，本書將幫助你開啟深度學(xué)習(xí)之旅。 *檢驗機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ) *學(xué)習(xí)如何訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò) *使用Tenso

本書是一本易學(xué)易懂的神經(jīng)網(wǎng)絡(luò)教材，主要討論網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)規(guī)則、訓(xùn)練技巧和工程應(yīng)用，緊緊圍繞“設(shè)計”這一視角組織材料和展開講解，強調(diào)基本原理和訓(xùn)練方法，概念清晰，數(shù)學(xué)論述嚴(yán)謹(jǐn)，包含豐富的實例和練習(xí)，并配有課件和MATLAB演示程序。本書要求讀者具備線性代數(shù)、概率論和微分方程的基礎(chǔ)知識，可作為高年級本科生或一年級研究生的神

《物聯(lián)網(wǎng)概論第2版》以物聯(lián)網(wǎng)中的數(shù)據(jù)流動為主線，介紹了物聯(lián)網(wǎng)的基本概念和體系結(jié)構(gòu)，包括從物品信息編碼到自動識別、從傳感器到傳感器網(wǎng)絡(luò)、從局部網(wǎng)絡(luò)到互聯(lián)網(wǎng)、從終端設(shè)備到數(shù)據(jù)中心、從嵌入式系統(tǒng)到服務(wù)器集群、從數(shù)據(jù)融合到云計算，以及從設(shè)計思想到物聯(lián)網(wǎng)標(biāo)準(zhǔn)，以廣度為主，闡述了組建物聯(lián)網(wǎng)的各種集成技術(shù)和所涉及的概念。 《物聯(lián)網(wǎng)

本書以項目為導(dǎo)向，通過工程預(yù)覽使學(xué)生對項目有一個大體的了解，通過任務(wù)分析讓學(xué)生了解項目的具體要求，使學(xué)生具有分析項目解決問題的能力，通過任務(wù)實施讓學(xué)生了解項目實施的過程，通過工程配套開發(fā)使學(xué)生能夠具體的開發(fā)一個簡單的系統(tǒng)工程，并通過部署的硬件實現(xiàn)軟硬件的結(jié)合，從而完成項目。本書從易到難有9個項目，通過這9個項目學(xué)生可以

這本書融合了大數(shù)據(jù)理論與智能云(物聯(lián)網(wǎng))的新技術(shù)。數(shù)據(jù)分析師和計算機科學(xué)家必須學(xué)會如何有效地使用云和物聯(lián)網(wǎng)來發(fā)現(xiàn)新的知識，進而才能明智地做出重要決策。本書旨在縮短這些學(xué)習(xí)方向之間的差距,并鼓勵數(shù)據(jù)科學(xué)家和云計算科學(xué)家之間的相互學(xué)習(xí)與合作。書中將大數(shù)據(jù)集成理論、云設(shè)計原則、物聯(lián)網(wǎng)傳感、機器學(xué)習(xí)、數(shù)據(jù)分析、Hadoop和S

本書共分15章，內(nèi)容包括：自動控制的一般概念、自動控制系統(tǒng)的數(shù)學(xué)模型、自動控制系統(tǒng)的時域分析法、自動控制系統(tǒng)的頻率分析法、自動控制系統(tǒng)的校正、MATLAB仿真軟件簡介等。

概率網(wǎng)是人工智能學(xué)科表示并處理概率知識的一類圖模型方法。多源概率網(wǎng)融合是全面進行概率知識表示和推理研究中的重要問題。已有T作大多限于貝葉斯網(wǎng)、影響圖和可能性網(wǎng)等定量概率網(wǎng)的融合，較少考慮到概率知識只能定性表示或只需定性表示時的定性概率網(wǎng)（QualitativeProbabilisticNetworks，QPNs）模型融

張鴻著的《基于人工智能的多媒體數(shù)據(jù)挖掘和應(yīng)用實例》較系統(tǒng)地講述了基于人工智能的多媒體數(shù)據(jù)挖掘和應(yīng)用技術(shù)。全書共四個部分，十二個章節(jié)，首先以文本和圖像為例，介紹了什么是從數(shù)據(jù)到語義的理解和挖掘；然后詳細闡述了如何從底層內(nèi)容特征的角度，建立多媒體數(shù)據(jù)的特征表達模型；并在此基礎(chǔ)上，進一步以多模態(tài)數(shù)據(jù)為對象，介紹了目前的熱點應(yīng)