计算神经科学作为脑科学与人工智能之间的桥梁，是一门高速发展的新兴交叉学科。本书采用理论与实践结合的方式为读者讲述计算神经科学的基础知识。它从基础的数学和物理原理出发，详细介绍了各类神经元模型、突触模型，以及具有不同结构和功能的网络模型，如兴奋—抑制平衡网络、决策网络、连续吸引子网络、库网络等。本书不仅讲解了理论知识，还基于BrainPy（专门针对计算神经科学设计的编程框架）提供了实践代码，使读者能够动手模拟和分析神经系统的行为和性质。本书既可以作为计算神经科学的教材，也可以作为对该领域感兴趣的读

本书主要对近年来新生的多种仿生智能计算理论与方法进行了研究，包括生物地理进化算法、 萤火虫算法、差分进化算法以及灰狼优化算法等，并基于这些人工仿生智能计算方法对片上系统的可测性设计进行了研究。本书共6章，主要内容包括片上系统可测性设计概述、基于生物地理进化算法的扫描链平衡理论与方法、基于多目标智能算法的三维Wrapper扫描链设计、基于灰狼优化算法的三维堆叠SoC测试规划方法研究等。
本书可供计算机、自动化、人工智能、测控技术与仪器等方向的工程技术人员参考，也可作为高等院校相关专

本书重点讲解基于云平台的超参数优化、神经构架搜索以及算法选择等内容，是自动机器学习的基本任务。介绍了基于三个主要云服务提供商（包括 Microsoft Azure、Amazon Web Services (AWS) 和 Google Cloud Platform）进行 AutoML，同时部署 ML 模型和管道，具有较强的实用性。在应用场景中评估 AutoML 方面，例如算法选择、自动特征化和超参数调整，并区分云和 OSS 产品等。本书适用于从事机器学习或人工智能方向的数据科学家或工程师学习，也适

本书详细介绍了人工智能的主要概念、技术和应用等。全书共5章，首先介绍了现阶段数据标注岗位相关基础知识；其次按照数据标注任务分类，分别介绍了图像、视频、自然语言和音频数据标注方法和标注平台使用的实用技术。本书面向高职院校人工智能技术应用等专业方向低年级学生及广大人工智能初学者，书中内容紧跟课程思政要求，内容由浅入深，事实鲜明。通过本书可以在概览人工智能深度学习范畴下数据标注员岗位全貌的同时，也可以对该岗位实用技术有全面且细致的掌握。

全书共 10 章，第 1 章介绍了机器学习算法的基本概念、分类及本书开发环境的搭建。第 2 章介绍了机器学习算法中经常用到的 NumPy 相关知识及绘图工具包 Matplotlib。从第 3 章开始介绍机器学习算法，第 3 章介绍了最简单也是最常用的线性回归算法。第 4 章介绍了搜索算法，包括梯度下降算法、随机梯度下降算法、小批量梯度下降算法、牛顿迭代算法及坐标下降算法。第 5 章介绍了二分类的 Logistic回归算法和多元回归算法 SoftMax，以及评价分类结果优劣的各种指标。第 6 章介

本书较为系统地介绍了人工智能时代技术赋能教育生态的理论与实践探索,以“人工智能技术赋能教育”为核心,整合了智能技术对教育各要素产生的影响,形成人工智能时代师范生培养的框架模式。本书包括人工智能概述、人工智能时代的教育、人工智能时代的学校、人工智能时代的教师、人工智能时代的学生、人工智能时代的教育工具、人工智能时代的教育评估和人工智能时代的教育展望八个方面的内容。掌握这些基本内容,是未来教师进一步适应人工智能时代教育的前提,也是了解人工智能时代教育变革的重要渠道。本书配备有丰富的微课资源,读者可以

本书为“十二五”普通高等教育本科国家级规划教材。
本书主要介绍分析和设计反馈控制系统的经典理论和应用的方法，全书共九章，内容有自动控制系统的基本概念，线性系统的数学模型，线性系统的时域分析、根轨迹分析和频域分析，线性系统的校正，非线性系统的分析，采样控制系统的分析，平稳随机信号作用下线性系统的分析等。
本书配有免费电子课件及习题解答，并增加了丰富的二维码视频，同时，为适应当前教学需求，在相关章节增加了课程思政的内容。
本书为高等学校自动化专业的教材

本书是2022年百度松果学堂高校合作项目资助计划立项建设项目的成果，是江苏省高校“青蓝工程”优秀教学团队(苏教师函〔2022〕29号)的阶段性成果。本书为新形态一体化教材，可与中国大学MOOC平台的网络课程“零基础闯关Java挑战二级”配套使用。 本书紧扣电子信息大类“Java程序设计”课程的要求，针对日常教学中学生“学不会、考不过”的问题，按照“理论精解、实践演练、考题精讲”三步走战略，重点讲解了Java语言的基本特性、面向对象技术、数组、字符串、异常处理机制、数据流技术、集合、用户图形界面设

机器学习专门研究计算机怎样模拟或实现人类的学习行为，它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。本书是一本机器学习的入门书，通过本书，学习者将初步理解主流的机器学习算法，并且可以用机器学习技术解决现实生活中的问题。只要有本科三年级以上的数学知识，会一种编程语言，就可以掌握本书的绝大部分内容。 本书共有15章，主要讲解经典的机器学习算法，如线性回归、逻辑回归、决策树等，同时讲解近几年才出现的算法，如XGBoost、LightGBM等集成学习算法。此外，本书

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。
全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介绍了单层感知器、基于误差反传的多层感知器、径向基函数神经网络、竞争学习神经网络、组合学习神经网络、反馈神经网络、支持向量机、深度神经网络等内容。为了方便梳理知识点，每章都附