4.1 线性系统稳定性的基本概念 4.2 传递函数表示的系统稳定性判定 4.3线性系统稳态误差的计算 4.4 本章小结

6-1 频率特性的概念 6-2 典型环节频率特性的绘制 6-3 系统开环频率特性的绘制 6-4 奈奎斯特稳定判据 6-5 最小相位系统的Bode图的应用 6-6 闭环频率特性

1 一个例子 2 最小二乘法 3 从线性到非线性：用线性模型 4 概率解释 最大似然估计 最大后验概率估计 正则化效果 5 偏置-方差困境 损失函数的第一步分解 损失函数的第二步分解 对多个数据集的简单总结

3.1 典型输入信号与时域性能指标 3.2 一阶系统的时域分析 3.3 二阶系统的时域分析 3.4 高阶系统的时域分析 3.5 系统模型的时域测定法

1 历史进程 2 预备知识 采用线性激活函数的神经元 采用阈值激活函数的神经元 采用 S 形激活函数的神经元 3 异或问题 4 多层感知机到底在做什么？ 5 Tilling（耕种，耕作）算法 6 可微激活函数函的多层感知机学习方法 误差 e 的表示 误差的反向传播 反向传播算法 计算例子

1.1 课程介绍 1.2 自动控制理论与技术的产生与发展 1.3 控制系统的基本概念 1.4 控制系统的组成和基本环节 1.5 自动控制系统的分类 1.6 自动控制系统基本要求

实验一是线性定常控制系统的稳定分析；实验二是线性定常控制系统的时域响应分析；实验三是典型系统的时域响应和稳定性分析；实验四是根轨迹的绘制与分析；实验五是BODE图的绘制实验；实验六是PID调节器的设计与分析；实验七是简易工程法整定PID参数；实验八是离散系统的分析实验

7.1 问题的提出 7.2 系统校正的几种常见古典方法 7.3 PID模型及其控制规律分析 7.4 PID控制器参数的整定方法 7.5 几种改良的PID控制器

1 概率密度估计 2 最大似然估计 例 1 均值和方差的无偏与有偏估计 什么是高斯分布 ML 的全局最优？ 二元函数局部最优条件 例 2 3 最大后验概率估计 例 3 4 贝叶斯估计 例 4 5 期望最大化 EM EM 在高斯混合模型中的应用

1 概率密度估计 2 直方图方法 3 Parzen 窗 4 K 近邻密度估计 k 近邻分类器