本书在量化控制系统的编码方案设计与稳定性分析方面展开研究。针对目前文献中常用的均匀量化器和对数量化器在设计量化控制系统时的缺点，例如，采用均匀量化器的量化控制系统的量化器参数设计和系统稳定性分析较为复杂，而采用对数量化器的量化控制系统使用的信道码率是无限的，这限制了它的实际应用，本书提出一种适用于量化控制系统的新的编码

本书主要包括了现代控制理论中线性系统状态空间模型的建立、线性系统状态空间分析、状态反馈与极点配置及状态观测器，以及采样控制系统的分析与非线性控制系统的分析等内容。本书通过大量的例题与习题使学生能够逐步掌握各章的重点内容，并在内容安排上力求模块化，便于教学设计与学生自学。本书结合课程知识点，提供了关于控制专家及教育家的爱

本书是模式识别和场景分析领域奠基性的经典名著。在第2版中，除了保留了第1版中关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向

本书以几类随机系统为研究对象，对数值方法的稳定性和系统的稳定性进行了分析，主要研究了一类半线性随机比例微分方程的均方稳定性问题，并证明了此条件下指数Euler方法对任意非零步长可以保持均方稳定性。进一步对一类Poisson白噪声激励下随机延迟微分方程的稳定性进行研究，获得了稳定性的充分条件。并进行了相应的数值分析。随后

本书是在《模式识别与人工智能(基于MATLAB)》的基础上写作而成，为了适应模式识别算法的新发展、满足各层次读者的学习需求，在原有基础上增加了大量新内容，包括细化各章的内容和增加三种新算法。本书广泛涉及统计学、模糊控制、神经网络、人工智能等学科的思想和理论，将模式识别与人工智能理论和实际应用相结合，针对具体案例进行算法

本书内容涵盖控制相关学科各专业所必需的基础知识，以时域中的线性系统理论知识为主要内容，同时兼顾控制的频域知识。主要内容包括系统的数学描述、系统的动态响应、系统的能控性和能观性、系统的最小实现、系统的稳定性、系统的时域综合等。本书在内容论述上力求精练，在概念叙述上力求清晰，在理论分析上力求严谨，在系统设计方法和算法介绍上

本书全面地介绍了基于状态空间模型的线性定常系统理论。除了运动分析、能控能观性、稳定性、反馈镇定、极点/特征结构配置、观测器设计等基础理论之外，本书首次系统性地介绍了线性系统的输入输出标准型理论，全面地解决了状态反馈极点配置、解耦控制、最小相位系统的输出反馈镇定、基于逆系统的输出跟踪、基于平坦输出的状态跟踪等问题；充分利

本书的目的是考虑大型且具有挑战性的多阶段决策问题，这些问题原则上可以通过动态规划和**控制来解决，但它们的精确解决方案在计算上是难以处理的。本书讨论依赖于近似的解决方法，以产生具有足够性能的次优策略。这些方法统称为增强学习，也可以叫做近似动态规划和神经动态规划等。本书的主题产生于**控制和人工智能思想的相互作用。本书的

本书首先介绍了与课程相关的高等数学知识，包括泛丽分析基础与最优化方法，这样做的目的是加强学生的专业基础，然后重点阐述了最优控制原理及求解方法。本书的主要内容包括变分法、极大(小)值原理线性二次型最优控制、动态规划、近似动态规划、微分对策、H2与H∞最优控制以及随机系统的最优滤波与控制等。学生在学习本书的内容时，除了需要

本书是重庆市第五批研究生教育优质课程《线性系统理论》研究成果，面向控制科学与工程、控制工程、电气工程等学科领域硕士研究生及相关科研人员，结合著者相关科研成果与近10年来讲授该课程的经验，系统地介绍了线性系统的状态空间描述与方法、线性系统动态分析方法、线性系统能控性与能观性、稳定性基本理论与方法，以及线性反馈系统的时域综