本書系統(tǒng)介紹了基于事件觸發(fā)機制的非線性系統(tǒng)的理論和分析方法，從非線性系統(tǒng)、事件觸發(fā)控制系統(tǒng)、自適應智能控制三個角度，詳細介紹了系統(tǒng)的穩(wěn)定性分析方法、控制器設計方法等內容。主要內容包括:具有未知控制方向的非線性系統(tǒng)事件觸發(fā)自適應模糊跟蹤控制，基于命令濾波器的不確定非線性時滯系統(tǒng)事件觸發(fā)自適應神經網(wǎng)絡控制，非線性隨機系統(tǒng)的

本書在量化控制系統(tǒng)的編碼方案設計與穩(wěn)定性分析方面展開研究。針對目前文獻中常用的均勻量化器和對數(shù)量化器在設計量化控制系統(tǒng)時的缺點，例如，采用均勻量化器的量化控制系統(tǒng)的量化器參數(shù)設計和系統(tǒng)穩(wěn)定性分析較為復雜，而采用對數(shù)量化器的量化控制系統(tǒng)使用的信道碼率是無限的，這限制了它的實際應用，本書提出一種適用于量化控制系統(tǒng)的新的編碼

本書主要包括了現(xiàn)代控制理論中線性系統(tǒng)狀態(tài)空間模型的建立、線性系統(tǒng)狀態(tài)空間分析、狀態(tài)反饋與極點配置及狀態(tài)觀測器，以及采樣控制系統(tǒng)的分析與非線性控制系統(tǒng)的分析等內容。本書通過大量的例題與習題使學生能夠逐步掌握各章的重點內容，并在內容安排上力求模塊化，便于教學設計與學生自學。本書結合課程知識點，提供了關于控制專家及教育家的愛

本書是模式識別和場景分析領域奠基性的經典名著。在第2版中，除了保留了第1版中關于統(tǒng)計模式識別和結構模式識別的主要內容以外，讀者將會發(fā)現(xiàn)新增了許多近25年來的新理論和新方法，其中包括神經網(wǎng)絡、機器學習、數(shù)據(jù)挖掘、進化計算、不變量理論、隱馬爾可夫模型、統(tǒng)計學習理論和支持向量機等。作者還為未來25年的模式識別的發(fā)展指明了方向

本書以幾類隨機系統(tǒng)為研究對象，對數(shù)值方法的穩(wěn)定性和系統(tǒng)的穩(wěn)定性進行了分析，主要研究了一類半線性隨機比例微分方程的均方穩(wěn)定性問題，并證明了此條件下指數(shù)Euler方法對任意非零步長可以保持均方穩(wěn)定性。進一步對一類Poisson白噪聲激勵下隨機延遲微分方程的穩(wěn)定性進行研究，獲得了穩(wěn)定性的充分條件。并進行了相應的數(shù)值分析。隨后

本書是針對高等院校理工科高年級學生編寫的控制系統(tǒng)基礎理論教科書。本書全面系統(tǒng)地論述了控制系統(tǒng)狀態(tài)空間分析的基本方法及狀態(tài)空間綜合的基本理論與方法，包括：控制系統(tǒng)的狀態(tài)空間描述，控制系統(tǒng)狀態(tài)方程的解，線性控制系統(tǒng)的能控性和能觀測性，控制系統(tǒng)的穩(wěn)定性分析，狀態(tài)反饋、輸出反饋、極點配置與狀態(tài)觀測器設計，以及最優(yōu)控制等基本內容

本書是在《模式識別與人工智能(基于MATLAB)》的基礎上寫作而成，為了適應模式識別算法的新發(fā)展、滿足各層次讀者的學習需求，在原有基礎上增加了大量新內容，包括細化各章的內容和增加三種新算法。本書廣泛涉及統(tǒng)計學、模糊控制、神經網(wǎng)絡、人工智能等學科的思想和理論，將模式識別與人工智能理論和實際應用相結合，針對具體案例進行算法

本書內容涵蓋控制相關學科各專業(yè)所必需的基礎知識，以時域中的線性系統(tǒng)理論知識為主要內容，同時兼顧控制的頻域知識。主要內容包括系統(tǒng)的數(shù)學描述、系統(tǒng)的動態(tài)響應、系統(tǒng)的能控性和能觀性、系統(tǒng)的最小實現(xiàn)、系統(tǒng)的穩(wěn)定性、系統(tǒng)的時域綜合等。本書在內容論述上力求精練，在概念敘述上力求清晰，在理論分析上力求嚴謹，在系統(tǒng)設計方法和算法介紹上

本書全面地介紹了基于狀態(tài)空間模型的線性定常系統(tǒng)理論。除了運動分析、能控能觀性、穩(wěn)定性、反饋鎮(zhèn)定、極點/特征結構配置、觀測器設計等基礎理論之外，本書首次系統(tǒng)性地介紹了線性系統(tǒng)的輸入輸出標準型理論，全面地解決了狀態(tài)反饋極點配置、解耦控制、最小相位系統(tǒng)的輸出反饋鎮(zhèn)定、基于逆系統(tǒng)的輸出跟蹤、基于平坦輸出的狀態(tài)跟蹤等問題；充分利

本書的目的是考慮大型且具有挑戰(zhàn)性的多階段決策問題，這些問題原則上可以通過動態(tài)規(guī)劃和**控制來解決，但它們的精確解決方案在計算上是難以處理的。本書討論依賴于近似的解決方法，以產生具有足夠性能的次優(yōu)策略。這些方法統(tǒng)稱為增強學習，也可以叫做近似動態(tài)規(guī)劃和神經動態(tài)規(guī)劃等。本書的主題產生于**控制和人工智能思想的相互作用。本書的