掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
工業(yè)大數(shù)據(jù)與人工智能 版權(quán)信息
- ISBN：9787111771982
- 條形碼：9787111771982 ; 978-7-111-77198-2
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
工業(yè)大數(shù)據(jù)與人工智能 本書特色
本書的特點是以智能制造為背景，在講解大數(shù)據(jù)與人工智能技術(shù)時始終圍繞工業(yè)和制造的主線，對技術(shù)的介紹同時做到覆蓋廣泛與重點突出，幵以專門章節(jié)深入展示實際應(yīng)用。
工業(yè)大數(shù)據(jù)與人工智能 內(nèi)容簡介
本書從工業(yè)制造的數(shù)字化、網(wǎng)絡(luò)化和智能化出發(fā)，介紹工業(yè)大數(shù)據(jù)的相關(guān)知識與工業(yè)人工智能技術(shù)的實現(xiàn)與應(yīng)用。在工業(yè)大數(shù)據(jù)方面，闡述其發(fā)展和特征，展示數(shù)據(jù)采集、處理、存儲、分析與挖掘等環(huán)節(jié)的常用技術(shù)。在工業(yè)人工智能方面，結(jié)合工業(yè)場景中的需求和仸務(wù)，介紹面向工業(yè)數(shù)據(jù)的機器學(xué)習(xí)方法，總結(jié)工業(yè)中的感知智能技術(shù)、認(rèn)知智能技術(shù)和智能優(yōu)化算法，展示相關(guān)軟件平臺和具體技術(shù)的應(yīng)用場景及典型案例。本書的特點是以智能制造為背景，在講解大數(shù)據(jù)與人工智能技術(shù)時始終圍繞工業(yè)和制造的主線，對技術(shù)的介紹同時做到覆蓋廣泛與重點突出，幵以專門章節(jié)深入展示實際應(yīng)用。 本書可作為高等院校機械類、自動化類、電子信息類等專業(yè)的教材，也可作為與智能制造技術(shù)相關(guān)的工程技術(shù)人員的參考用書。
工業(yè)大數(shù)據(jù)與人工智能工業(yè)大數(shù)據(jù)與人工智能 前言
高端裝備智能制造是一類極其重要的新質(zhì)生產(chǎn)力，其發(fā)展水平是國家綜合實力的重要標(biāo)志。為了加強卓越工程師培養(yǎng)，組織編寫了一批戰(zhàn)略性新興領(lǐng)域“十四五”高等教育系列教材，我們有幸承擔(dān)了《工業(yè)大數(shù)據(jù)與人工智能》教材的撰稿任務(wù)。工業(yè)大數(shù)據(jù)與人工智能的結(jié)合為制造業(yè)帶來深刻變革，工業(yè)大數(shù)據(jù)為人工智能技術(shù)提供了產(chǎn)品全生命周期的海量訓(xùn)練數(shù)據(jù)和信息，而人工智能則對高度復(fù)雜的工業(yè)信息進(jìn)行計算和分析，從而抽取出相應(yīng)的工業(yè)規(guī)則和知識，實現(xiàn)數(shù)據(jù)驅(qū)動的智能決策。本書系統(tǒng)介紹了高端裝備智能制造涉及的工業(yè)大數(shù)據(jù)與工業(yè)人工智能的核心思想、基本理論、關(guān)鍵技術(shù)和應(yīng)用方法。本書在內(nèi)容組織上既包含了工業(yè)-大數(shù)據(jù)深度融合而形成的工業(yè)大數(shù)據(jù)融合技術(shù)，又包含了工業(yè)-人工智能深度融合而形成的工業(yè)人工智能系統(tǒng)技術(shù)，在寫作方法上創(chuàng)新性地使用了案例分析和問題啟發(fā)等多種思維拓展方式。
工業(yè)大數(shù)據(jù)是指在工業(yè)領(lǐng)域中，圍繞典型智能制造模式，從研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理、運維服務(wù)等整個產(chǎn)品全生命周期各個環(huán)節(jié)所產(chǎn)生的各類數(shù)據(jù)及相關(guān)技術(shù)和應(yīng)用的總稱。工業(yè)大數(shù)據(jù)極大延展了傳統(tǒng)工業(yè)數(shù)據(jù)范圍，同時還包括工業(yè)大數(shù)據(jù)相關(guān)技術(shù)和應(yīng)用。工業(yè)大數(shù)據(jù)技術(shù)的突破，其本質(zhì)目標(biāo)是為了從時序性、真實性、多模態(tài)性、強關(guān)聯(lián)性、高通量性的工業(yè)數(shù)據(jù)集中挖掘有價值的新信息，發(fā)現(xiàn)新的工業(yè)知識與模式，從而推動產(chǎn)業(yè)升級、優(yōu)化生產(chǎn)效能。為了培養(yǎng)新時代的卓越智能制造工程技術(shù)人才，本書圍繞工業(yè)大數(shù)據(jù)的采集、處理、存儲、分析與挖掘、軟件與平臺等內(nèi)容，進(jìn)行了較詳細(xì)的分析，試圖使學(xué)生認(rèn)識到工業(yè)大數(shù)據(jù)融合技術(shù)對高端裝備智能制造的深遠(yuǎn)影響。
工業(yè)大數(shù)據(jù)與人工智能 目錄
目錄
序
前言
第1章緒論
引言
1.1制造的數(shù)字化、網(wǎng)絡(luò)化和智能化
1.1.1智能制造發(fā)展的三個階段
1.1.2智能制造的定義與內(nèi)涵
1.1.3工業(yè)互聯(lián)網(wǎng)
1.1.4工業(yè)4.0
1.2工業(yè)大數(shù)據(jù)發(fā)展概況
1.2.1工業(yè)大數(shù)據(jù)概述
1.2.2工業(yè)大數(shù)據(jù)的發(fā)展歷程
1.2.3工業(yè)大數(shù)據(jù)的前景和挑戰(zhàn)
1.3工業(yè)人工智能發(fā)展概況
1.3.1人工智能的定義
1.3.2工業(yè)人工智能的定義與內(nèi)涵
1.3.3工業(yè)人工智能的發(fā)展歷程
1.3.4工業(yè)人工智能的前景和挑戰(zhàn)
本章小結(jié)
思考題
參考文獻(xiàn)
第2章工業(yè)大數(shù)據(jù)
引言
2.1大數(shù)據(jù)技術(shù)概述
2.1.1大數(shù)據(jù)的定義和特征
2.1.2大數(shù)據(jù)的構(gòu)成
2.1.3大數(shù)據(jù)的基本處理流程
2.2工業(yè)大數(shù)據(jù)分類及其特征
2.2.1按照制造業(yè)務(wù)流程劃分
2.2.2按照采集類型劃分
2.2.3按照數(shù)據(jù)來源劃分
2.2.4工業(yè)大數(shù)據(jù)特征
2.3工業(yè)大數(shù)據(jù)采集
2.3.1工業(yè)大數(shù)據(jù)網(wǎng)絡(luò)基礎(chǔ)模型
2.3.2工業(yè)大數(shù)據(jù)常用網(wǎng)絡(luò)傳輸協(xié)議
2.3.3工業(yè)大數(shù)據(jù)單點采集技術(shù)
2.3.4工業(yè)大數(shù)據(jù)組合采集技術(shù)
2.4工業(yè)大數(shù)據(jù)處理
2.4.1數(shù)據(jù)預(yù)處理
2.4.2分布式計算
2.4.3流式計算
2.5工業(yè)大數(shù)據(jù)存儲
2.5.1工業(yè)大數(shù)據(jù)的數(shù)據(jù)庫系統(tǒng)
2.5.2分布式存儲系統(tǒng)架構(gòu)
2.6工業(yè)大數(shù)據(jù)分析與挖掘
2.6.1基本步驟
2.6.2基本算法
2.6.3核心技術(shù)
2.7工業(yè)大數(shù)據(jù)軟件與平臺
2.7.1常用的工業(yè)大數(shù)據(jù)軟件
2.7.2工業(yè)大數(shù)據(jù)平臺概述
2.7.3常用的工業(yè)大數(shù)據(jù)平臺
本章小結(jié)
思考題
參考文獻(xiàn)
第3章面向工業(yè)數(shù)據(jù)的機器學(xué)習(xí)
引言
3.1典型機器學(xué)習(xí)算法
3.1.1線性模型
3.1.2決策樹算法
3.1.3貝葉斯分類器
3.1.4支持向量機
3.1.5集成學(xué)習(xí)
3.1.6聚類算法
3.1.7k均值算法
3.1.8降維與度量學(xué)習(xí)
3.2深度學(xué)習(xí)
3.2.1神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
3.2.2卷積神經(jīng)網(wǎng)絡(luò)
3.2.3循環(huán)神經(jīng)網(wǎng)絡(luò)
3.2.4生成對抗網(wǎng)絡(luò)
3.2.5常用優(yōu)化算法
3.2.6正則化方法
3.2.7超參數(shù)調(diào)試
3.3強化學(xué)習(xí)
3.3.1強化學(xué)習(xí)基本概念
3.3.2馬爾可夫決策過程
3.3.3價值函數(shù)與策略
3.3.4動態(tài)規(guī)劃與蒙特卡洛方法
3.3.5Q-Learning與策略梯度
3.3.6深度強化學(xué)習(xí)
3.3.7多智能體強化學(xué)習(xí)
3.4可信人工智能
3.4.1可信人工智能概述
3.4.2可信人工智能的框架
3.4.3可信人工智能的支撐技術(shù)
3.5面向特定任務(wù)的機器學(xué)習(xí)
3.6常用的機器學(xué)習(xí)框架
3.6.1TensorFlow
3.6.2Torch
3.6.3Keras
本章小結(jié)
思考題
參考文獻(xiàn)
第4章工業(yè)中的感知智能
引言
4.1工業(yè)智能傳感與感知
4.1.1智能傳感器概述
4.1.2智能傳感器的基本功能及分類
4.1.3智能傳感器的信號處理技術(shù)
4.2工業(yè)機器視覺
4.2.1機器視覺基本概念
4.2.2工業(yè)圖像信號采集技術(shù)
4.2.3工業(yè)圖像處理技術(shù)
4.2.4目標(biāo)檢測算法
4.2.5自動定位技術(shù)
4.3工業(yè)機器聽覺
4.3.1機器聽覺基本概念
4.3.2工業(yè)音頻信號采集
4.3.3音頻信號特征
4.3.4語音識別
4.3.5語音合成
4.4多源信息融合
4.4.1多源信息融合的概念和特點
4.4.2多源信息融合的分類
4.4.3多源信息融合的模型
4.4.4多源信息融合的主要技術(shù)和方法
4.5人機交互
4.5.1人機交互基本概念
4.5.2體感交互
4.5.3手勢交互
4.5.4沉浸式交互
4.5.5交互界面設(shè)計
本章小結(jié)
思考題
參考文獻(xiàn)
第5章工業(yè)中的認(rèn)知智能
引言
5.1自然語言處理
5.1.1自然語言處理基本概念
5.1.2工業(yè)文本數(shù)據(jù)獲取
5.1.3文本預(yù)處理
5.1.4特征提取
5.1.5自然語言處理的主要任務(wù)
5.1.6自然語言處理在工業(yè)中的典型應(yīng)用
5.2知識圖譜
5.2.1知識圖譜的定義
5.2.2知識圖譜的構(gòu)建步驟
5.2.3知識圖譜可視化
5.2.4工業(yè)知識圖譜在工業(yè)中的應(yīng)用
5.3知識推理與決策
5.3.1知識推理的基本概念
5.3.2事前可解釋性的推理
5.3.3事后可解釋性的推理
5.3.4貝葉斯網(wǎng)絡(luò)決策
5.3.5多智能體系統(tǒng)與協(xié)同決策
5.4生成式人工智能
5.4.1生成式人工智能的基本概念和應(yīng)用
5.4.2Transformer模型
5.4.3BERT模型
5.4.4大語言模型
5.4.5大語言模型的應(yīng)用
本章小結(jié)
思考題
參考文獻(xiàn)
第6章工業(yè)中的智能優(yōu)化算法
引言
6.1智能優(yōu)化算法
6.1.1進(jìn)化算法
6.1.2群智能優(yōu)化算法
6.1.3仿物理學(xué)優(yōu)化算法
6.1.4仿人智能優(yōu)化算法
6.2車間生產(chǎn)調(diào)度優(yōu)化
6.2.1車間生產(chǎn)調(diào)度的分類與特點
6.2.2車間生產(chǎn)調(diào)度基本模型
6.2.3車間生產(chǎn)調(diào)度優(yōu)化算法
6.2.4蟻群算法在作業(yè)車間調(diào)度中的應(yīng)用
6.3路徑規(guī)劃問題
6.3.1路徑規(guī)劃問題的分類
6.3.2路徑規(guī)劃的一般步驟
6.3.3常用的路徑規(guī)劃算法
6.3.4路徑規(guī)劃不同應(yīng)用場景
6.3.5遺傳算法在機器人路徑規(guī)劃中的應(yīng)用
6.4電池剩余電量估計問題
6.4.1剩余電量估計問題概述
6.4.2剩余電量估計的基本方法
6.4.3剩余電量估計中的智能優(yōu)化算法
6.4.4差分進(jìn)化算法在剩余電量估計中的應(yīng)用
本章小結(jié)
思考題
參考文獻(xiàn)
第7章工業(yè)大數(shù)據(jù)與人工智能應(yīng)用
引言
7.1產(chǎn)品缺陷檢測
7.1.1產(chǎn)品缺陷檢測概述
7.1.2傳統(tǒng)缺陷檢測技術(shù)
7.1.3基于深度學(xué)習(xí)的缺陷檢測
7.1.4關(guān)鍵問題
7.1.5產(chǎn)品缺陷檢測典型應(yīng)用案例
7.2設(shè)備健康管理
7.2.1設(shè)備健康管理概述
7.2.2設(shè)備狀態(tài)監(jiān)測
7.2.3設(shè)備故障診斷
7.2.4設(shè)備剩余使用壽命預(yù)測
7.2.5設(shè)備健康管理典型應(yīng)用案例
7.3機器智能分揀
7.3.1智能分揀系統(tǒng)概述
7.3.2智能分揀系統(tǒng)構(gòu)成
7.3.3面向智能分揀的核心技術(shù)
7.3.4機器智能分揀典型應(yīng)用案例
7.4數(shù)字孿生與仿真
7.4.1數(shù)字孿生概述
7.4.2數(shù)字孿生技術(shù)體系
7.4.3數(shù)字孿生在智能制造中的典型應(yīng)用案例
本章小結(jié)
思考題
參考文獻(xiàn)
總結(jié)與展望
序
前言
第1章緒論
引言
1.1制造的數(shù)字化、網(wǎng)絡(luò)化和智能化
1.1.1智能制造發(fā)展的三個階段
1.1.2智能制造的定義與內(nèi)涵
1.1.3工業(yè)互聯(lián)網(wǎng)
1.1.4工業(yè)4.0
1.2工業(yè)大數(shù)據(jù)發(fā)展概況
1.2.1工業(yè)大數(shù)據(jù)概述
1.2.2工業(yè)大數(shù)據(jù)的發(fā)展歷程
1.2.3工業(yè)大數(shù)據(jù)的前景和挑戰(zhàn)
1.3工業(yè)人工智能發(fā)展概況
1.3.1人工智能的定義
1.3.2工業(yè)人工智能的定義與內(nèi)涵
1.3.3工業(yè)人工智能的發(fā)展歷程
1.3.4工業(yè)人工智能的前景和挑戰(zhàn)
本章小結(jié)
思考題
參考文獻(xiàn)
第2章工業(yè)大數(shù)據(jù)
引言
2.1大數(shù)據(jù)技術(shù)概述
2.1.1大數(shù)據(jù)的定義和特征
2.1.2大數(shù)據(jù)的構(gòu)成
2.1.3大數(shù)據(jù)的基本處理流程
2.2工業(yè)大數(shù)據(jù)分類及其特征
2.2.1按照制造業(yè)務(wù)流程劃分
2.2.2按照采集類型劃分
2.2.3按照數(shù)據(jù)來源劃分
2.2.4工業(yè)大數(shù)據(jù)特征
2.3工業(yè)大數(shù)據(jù)采集
2.3.1工業(yè)大數(shù)據(jù)網(wǎng)絡(luò)基礎(chǔ)模型
2.3.2工業(yè)大數(shù)據(jù)常用網(wǎng)絡(luò)傳輸協(xié)議
2.3.3工業(yè)大數(shù)據(jù)單點采集技術(shù)
2.3.4工業(yè)大數(shù)據(jù)組合采集技術(shù)
2.4工業(yè)大數(shù)據(jù)處理
2.4.1數(shù)據(jù)預(yù)處理
2.4.2分布式計算
2.4.3流式計算
2.5工業(yè)大數(shù)據(jù)存儲
2.5.1工業(yè)大數(shù)據(jù)的數(shù)據(jù)庫系統(tǒng)
2.5.2分布式存儲系統(tǒng)架構(gòu)
2.6工業(yè)大數(shù)據(jù)分析與挖掘
2.6.1基本步驟
2.6.2基本算法
2.6.3核心技術(shù)
2.7工業(yè)大數(shù)據(jù)軟件與平臺
2.7.1常用的工業(yè)大數(shù)據(jù)軟件
2.7.2工業(yè)大數(shù)據(jù)平臺概述
2.7.3常用的工業(yè)大數(shù)據(jù)平臺
本章小結(jié)
思考題
參考文獻(xiàn)
第3章面向工業(yè)數(shù)據(jù)的機器學(xué)習(xí)
引言
3.1典型機器學(xué)習(xí)算法
3.1.1線性模型
3.1.2決策樹算法
3.1.3貝葉斯分類器
3.1.4支持向量機
3.1.5集成學(xué)習(xí)
3.1.6聚類算法
3.1.7k均值算法
3.1.8降維與度量學(xué)習(xí)
3.2深度學(xué)習(xí)
3.2.1神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
3.2.2卷積神經(jīng)網(wǎng)絡(luò)
3.2.3循環(huán)神經(jīng)網(wǎng)絡(luò)
3.2.4生成對抗網(wǎng)絡(luò)
3.2.5常用優(yōu)化算法
3.2.6正則化方法
3.2.7超參數(shù)調(diào)試
3.3強化學(xué)習(xí)
3.3.1強化學(xué)習(xí)基本概念
3.3.2馬爾可夫決策過程
3.3.3價值函數(shù)與策略
3.3.4動態(tài)規(guī)劃與蒙特卡洛方法
3.3.5Q-Learning與策略梯度
3.3.6深度強化學(xué)習(xí)
3.3.7多智能體強化學(xué)習(xí)
3.4可信人工智能
3.4.1可信人工智能概述
3.4.2可信人工智能的框架
3.4.3可信人工智能的支撐技術(shù)
3.5面向特定任務(wù)的機器學(xué)習(xí)
3.6常用的機器學(xué)習(xí)框架
3.6.1TensorFlow
3.6.2Torch
3.6.3Keras
本章小結(jié)
思考題
參考文獻(xiàn)
第4章工業(yè)中的感知智能
引言
4.1工業(yè)智能傳感與感知
4.1.1智能傳感器概述
4.1.2智能傳感器的基本功能及分類
4.1.3智能傳感器的信號處理技術(shù)
4.2工業(yè)機器視覺
4.2.1機器視覺基本概念
4.2.2工業(yè)圖像信號采集技術(shù)
4.2.3工業(yè)圖像處理技術(shù)
4.2.4目標(biāo)檢測算法
4.2.5自動定位技術(shù)
4.3工業(yè)機器聽覺
4.3.1機器聽覺基本概念
4.3.2工業(yè)音頻信號采集
4.3.3音頻信號特征
4.3.4語音識別
4.3.5語音合成
4.4多源信息融合
4.4.1多源信息融合的概念和特點
4.4.2多源信息融合的分類
4.4.3多源信息融合的模型
4.4.4多源信息融合的主要技術(shù)和方法
4.5人機交互
4.5.1人機交互基本概念
4.5.2體感交互
4.5.3手勢交互
4.5.4沉浸式交互
4.5.5交互界面設(shè)計
本章小結(jié)
思考題
參考文獻(xiàn)
第5章工業(yè)中的認(rèn)知智能
引言
5.1自然語言處理
5.1.1自然語言處理基本概念
5.1.2工業(yè)文本數(shù)據(jù)獲取
5.1.3文本預(yù)處理
5.1.4特征提取
5.1.5自然語言處理的主要任務(wù)
5.1.6自然語言處理在工業(yè)中的典型應(yīng)用
5.2知識圖譜
5.2.1知識圖譜的定義
5.2.2知識圖譜的構(gòu)建步驟
5.2.3知識圖譜可視化
5.2.4工業(yè)知識圖譜在工業(yè)中的應(yīng)用
5.3知識推理與決策
5.3.1知識推理的基本概念
5.3.2事前可解釋性的推理
5.3.3事后可解釋性的推理
5.3.4貝葉斯網(wǎng)絡(luò)決策
5.3.5多智能體系統(tǒng)與協(xié)同決策
5.4生成式人工智能
5.4.1生成式人工智能的基本概念和應(yīng)用
5.4.2Transformer模型
5.4.3BERT模型
5.4.4大語言模型
5.4.5大語言模型的應(yīng)用
本章小結(jié)
思考題
參考文獻(xiàn)
第6章工業(yè)中的智能優(yōu)化算法
引言
6.1智能優(yōu)化算法
6.1.1進(jìn)化算法
6.1.2群智能優(yōu)化算法
6.1.3仿物理學(xué)優(yōu)化算法
6.1.4仿人智能優(yōu)化算法
6.2車間生產(chǎn)調(diào)度優(yōu)化
6.2.1車間生產(chǎn)調(diào)度的分類與特點
6.2.2車間生產(chǎn)調(diào)度基本模型
6.2.3車間生產(chǎn)調(diào)度優(yōu)化算法
6.2.4蟻群算法在作業(yè)車間調(diào)度中的應(yīng)用
6.3路徑規(guī)劃問題
6.3.1路徑規(guī)劃問題的分類
6.3.2路徑規(guī)劃的一般步驟
6.3.3常用的路徑規(guī)劃算法
6.3.4路徑規(guī)劃不同應(yīng)用場景
6.3.5遺傳算法在機器人路徑規(guī)劃中的應(yīng)用
6.4電池剩余電量估計問題
6.4.1剩余電量估計問題概述
6.4.2剩余電量估計的基本方法
6.4.3剩余電量估計中的智能優(yōu)化算法
6.4.4差分進(jìn)化算法在剩余電量估計中的應(yīng)用
本章小結(jié)
思考題
參考文獻(xiàn)
第7章工業(yè)大數(shù)據(jù)與人工智能應(yīng)用
引言
7.1產(chǎn)品缺陷檢測
7.1.1產(chǎn)品缺陷檢測概述
7.1.2傳統(tǒng)缺陷檢測技術(shù)
7.1.3基于深度學(xué)習(xí)的缺陷檢測
7.1.4關(guān)鍵問題
7.1.5產(chǎn)品缺陷檢測典型應(yīng)用案例
7.2設(shè)備健康管理
7.2.1設(shè)備健康管理概述
7.2.2設(shè)備狀態(tài)監(jiān)測
7.2.3設(shè)備故障診斷
7.2.4設(shè)備剩余使用壽命預(yù)測
7.2.5設(shè)備健康管理典型應(yīng)用案例
7.3機器智能分揀
7.3.1智能分揀系統(tǒng)概述
7.3.2智能分揀系統(tǒng)構(gòu)成
7.3.3面向智能分揀的核心技術(shù)
7.3.4機器智能分揀典型應(yīng)用案例
7.4數(shù)字孿生與仿真
7.4.1數(shù)字孿生概述
7.4.2數(shù)字孿生技術(shù)體系
7.4.3數(shù)字孿生在智能制造中的典型應(yīng)用案例
本章小結(jié)
思考題
參考文獻(xiàn)
總結(jié)與展望
展開全部
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伯納黛特,你要去哪(2021新版)
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
苦雨齋序跋文-周作人自編集
- >
回憶愛瑪儂
- >
名家?guī)阕x魯迅:朝花夕拾
- >
二體千字文
- >
史學(xué)評論
本類暢銷
