繪圖：Geogebra和Visiophp
http://muchong.com/bbs/viewthread.php?tid=4523749&fpage=1html
現代控制理論粗略講包括三個部分：線性系統理論，最優控制理論和系統辨識。這三個方面都是在上個世紀六七十年代發展起來的。
線性系統最經典的著做當屬陳啓宗的《Linear sysytem thoery and design》和凱拉斯的《Linear systems》。這兩本都是美國各名牌大學控制專業指定用書，前者讀後會讓你感覺到一個體系的美和完整，後者比較難懂，如能堅持讀完，理論素養會有很大的提高，在美國控制屆沒有不知道凱拉斯的。
最優控制理論從運籌學等數學理論發展過來，有不少這方面的書。這裏推薦一本《The robust maximum principle》，這本書理論起點較高，幾乎囊括了最優控制的全部精華。
系統辨識的經典是瑞典的Ｌ。榮，在此基礎上的自適應控制的經典是Ｇｏｏｄｗｉｎ的《自適應預測，濾波和控制》。
關於魯棒控制的經典力做，無可厚非當屬周克敏教授的《魯棒與最優控制》，是美國各大研究生院的指定教材，據不徹底統計周教授的SCI論文和這本書已被引用六千餘次，這是咱們搞魯棒控制的偶像！
關於非線性控制著做：Hassan K. Khalil 寫的曾獲IFAC控制工程教材獎的《非線性系統》有中譯版的。
但願以上推薦對各位有志於在控制領域有所建樹的廣大朋友，在控制理論素養上和知識結構的完整上有所幫助！算法
補充：Ｌ。榮------萊納。榮（Lennart Ljung）數據庫
關於非線性控制的著做還有Alberto Isidori寫的《Nonlinear Control Systems Third Edition》被業界譽爲非線性控制領域的「聖經」。有電子工業出版社的中譯本，比Hassan K. Khalil 寫的《Nonlinear Systems》略難。網絡
Ps，應該是陳同文的《Linear system theory and design》，樓主說的陳啓宗好像是按照香港拼音翻譯過來的！機器學習
李航：http://research.microsoft.com/en-us/people/hangli/，是MSRA Web Search and Mining Group高級研究員和主管，主要研究領域是信息檢索，天然語言處理和統計學習。近年來，主要與人合做使用機器學習方法對信息檢索中排序，相關性等問題的研究。曾在人大聽過一場他的講座，對實際應用的問題抽象，轉化和解決能力值得學習。分佈式
周志華：http://cs.nju.edu.cn/zhouzh/，是南京大學的傑青，機器學習和數據挖掘方面國內的領軍人物，其好幾個研究生都進入了美國一流高校如uiuc，cmu等學習和深造。周教授在半監督學習，multi-label學習和集成學習方面在國際上有必定的影響力。另外，他也是ACML的創始人。人也很nice，曾經發郵件諮詢過一個naive的問題，周老師還在百忙之中回覆了我，並對我如何發郵件給了些許建議。學習
楊強：http://www.cse.ust.hk/~qyang/，香港科技大學教授，也是KDD 2012的會議主席，可見功力非同通常。楊教授是遷移學習的國際領軍人物，曾經的中國第一位acm全球冠軍上交的戴文淵碩士期間就是跟他合做發表了一系列高水平的文章。還有，楊教授曾有一個關於機器學習和數據挖掘有意思的比喻：好比你訓練一隻狗，若干年後，若是它突然有一天能幫你擦鞋洗衣服，那麼這就是數據挖掘；要是突然有一天，你發現狗發裝成一個老太婆消失了，那麼這就是機器學習。ui
李建中：http://db.hit.edu.cn/jianzhongli/，哈工大和黑大共有教授，是分佈式數據庫的領軍人物。近年來，其團隊在不肯定性數據，sensor network方面也發表了一系列有名文章。李教授爲人師表，教書育人都作得了最好，在圈內是讓人稱道的好老師和好學者。google
唐傑：http://keg.cs.tsinghua.edu.cn/jietang/，清華大學副教授，是圖挖掘方面的專家。他主持設計和實現的Arnetminer是國內領先的圖挖掘系統，該系統也是多個會議的支持商。
張鈸：http://www.csai.tsinghua.edu.cn/personal_homepage/zhang_bo/index.html 清華大學教授，中科院院士，。現任清華大學信息技術研究院指導委員會主任，微軟亞洲研究院技術顧問等。主要從事人工智能、神經網絡、遺傳算法、智能機器人、模式識別以及智能控制等領域的研究工做。在過去二十多年中，張鈸教授系統地提出了問題求解的商空間理 論。近年來，他創建了神經與認知計算研究中心以及多媒體信息處理研究組。該研究組已在圖像和視頻的分析與檢索方面取得一些重要研究成果。
劉鐵巖：http://research.microsoft.com/en-us/people/tyliu/ MSRA研究主管，是learning to rank的國際知名學者。近年逐步轉向管理，研究興趣則開始關注計算廣告學方面。
王海峯：http://ir.hit.edu.cn/~wanghaifeng/ 信息檢索，天然語言處理，機器翻譯方面的專家，ACL的副主席，百度高級科學家。近年，在百度主持研發了百度翻譯產品。
何曉飛：http://people.cs.uchicago.edu/~xiaofei/ 浙江大學教授，多媒體處理，圖像檢索以及流型學習的國際領先學者。
朱軍：http://www.ml-thu.net/~jun/ 清華大學副教授，機器學習絕對重量級新星。主要研究領域是latent variable models, large-margin learning, Bayesian nonparametrics, and sparse learning in high dimensions. 他也是今年龍星計劃的機器學習領域的主講人之一。
吳軍：http://www.cs.jhu.edu/~junwu/ 騰訊副總裁，前google研究員。著名《數學之美》和《浪潮之巔》系列的做者。
張棟：http://weibo.com/machinelearning 前百度科學家和google研究員，機器學習工業界的表明人物之一。
戴文淵：http://apex.sjtu.edu.cn/apex_wiki/Wenyuan_Dai 現百度鳳巢ctr預估組leader。前ACM大賽冠軍，碩士期間一系列transfer learning方面的高水平論文讓人瞠目結舌。
文章來源於：http://emuch.net/html/201208/4842092.html
一、你能夠關注一些大牛的主頁，好比UCB的Michael I. Jordan（大牛中的大牛）http://www.cs.berkeley.edu/~jordan/。國內也有不少厲害的學者，好比微軟亞洲研究院的李航、香港科大的楊強（這兩我的好像如今都去華爲香港的諾亞方舟實驗室了）等。
二、看看survey對於一些初學者是個不錯的方法，至少能夠知道某個方向的現狀，http://www.mlsurveys.com/這個網址收錄了機器學習不一樣方向的不少綜述。
三、http://jeffhuang.com/best_paper_awards.html這個網址收錄了不少計算機頂級會議歷年的best paper。其中AAAI、ICML等就是人工智能和機器學習方向的。
四、你也能夠看看國外的一些機器學習和人工智能的課程。推薦https://www.coursera.org/上standford的Andrew Ng的ML課，以及udacity上的AI導論http://www.udacity.com/overview/Course/cs271/CourseRev/1。AI這門課的主講之一Peter Norvig很是厲害，如今好像在google工做了。
五、最後給你推薦幾本書吧。《Foundations of Machine Learning》、《Machine Learning: A Probabilistic Perspective》（很是好的大部頭鉅著）、《Machine Learning: An Algorithmic Perspective》、《Statistical foundations of machine learning》等
(1)如下是不完整的列表，但基本覆蓋。機器學習頂級會議：NIPS, ICML, UAI, AISTATS; （期刊：JMLR, ML, Trends in ML, IEEE T-NN）計算機視覺和圖像識別：ICCV, CVPR, ECCV; （期刊：IEEE T-PAMI, IJCV, IEEE T-IP）人工智能：IJCAI, AAAI; （期刊AI）另外相關的還有SIGRAPH, KDD, ACL, SIGIR, WWW等。特別是，若是作機器學習，必須地，把近4年的NIPS, ICML翻幾遍；若是作計算機視覺，要把近4年的ICCV, CVPR, NIPS, ICML翻幾遍。(2)另外補充一下：大部分頂級會議的論文都能從網上免費下載到，好比CV方面：http://www.cvpapers.com/index.html; NIPS: http://books.nips.cc/; JMLR(期刊):http://jmlr.csail.mit.edu/papers/; COLT和ICML(每一年度的官網):http://www.cs.mcgill.ca/~colt2009/proceedings.html。但願這些信息對你們有點幫助。(3)說些本身的感覺。個人研究方向主要是統計學習和機率圖模型，但對計算機視覺和計算神經科學都有涉及，對Data mining和IR也有些瞭解。這些領域，從方法和模型的角度看，統計模型（包括probabilistic graphical model和statistical learning theory）是主流也是很是有影響力的方法。有個很是明顯的趨勢：重要的方法和模型最早在NIPS或ICML出現，而後應用到CV,IR和MM。雖然具體問題和應用也很重要，但多關注和結合這些方法也頗有意義。