本書通過(guò)魯棒優(yōu)化的核心原理和應(yīng)用，揭開(kāi)不確定性的神秘面紗，為讀者提供應(yīng)對(duì)不可預(yù)測(cè)的挑戰(zhàn)所需的見(jiàn)解和工具。作者首先簡(jiǎn)要介紹了不確定線性規(guī)劃，然后深入分析了適當(dāng)不確定性集的構(gòu)建與經(jīng)典機(jī)會(huì)約束（概率）方法之間的相互聯(lián)系。接著，提出了針對(duì)不確定的錐二次優(yōu)化和半定優(yōu)化問(wèn)題以及動(dòng)態(tài)（多階段）問(wèn)題的魯棒優(yōu)化理論。最后，通過(guò)來(lái)自金融、

本書由數(shù)據(jù)安全領(lǐng)域兼有深厚學(xué)術(shù)理論功底和豐富教學(xué)實(shí)踐經(jīng)驗(yàn)的專家團(tuán)隊(duì)，以多年來(lái)承擔(dān)的科研課題和取得的研究成果為基礎(chǔ)，融合國(guó)內(nèi)外專家學(xué)者對(duì)數(shù)據(jù)安全的論述專著和國(guó)家關(guān)于數(shù)據(jù)安全的最新標(biāo)準(zhǔn)規(guī)范，系統(tǒng)梳理介紹了數(shù)據(jù)安全的概念、技術(shù)、方法、法規(guī)等，為讀者提供了較為全面的數(shù)據(jù)安全領(lǐng)域的理論知識(shí)與技術(shù)參考。本書堅(jiān)持理論與實(shí)踐相結(jié)合、技

本書是高等職業(yè)院校智能制造與機(jī)電相關(guān)專業(yè)教材，其內(nèi)容主要包括自動(dòng)控制理論基礎(chǔ)、檢測(cè)技術(shù)概述、測(cè)量與傳感器基本概念、電阻傳感器、電感傳感器、電渦流傳感器、電容傳感器、壓電傳感器、超聲波傳感器、霍爾傳感器、熱電偶傳感器、光電傳感器、數(shù)字式位置傳感器、抗干擾技術(shù)、多傳感器信息融合、人工智能導(dǎo)論。著重介紹了在生產(chǎn)、科研、生活等

本書聚焦人工智能科學(xué)的概論，追溯其起源與發(fā)展歷程，全面呈現(xiàn)了不同代表學(xué)派的觀點(diǎn)及未來(lái)展望，深入研究了人工智能對(duì)社會(huì)的深遠(yuǎn)影響;剖析了人工智能基礎(chǔ)技術(shù)與系統(tǒng)、大數(shù)據(jù)實(shí)時(shí)處理框架與技術(shù);探究了人工智能與大數(shù)據(jù)的融合;對(duì)人工智能技術(shù)的應(yīng)用、大數(shù)據(jù)技術(shù)在不同領(lǐng)域的應(yīng)用進(jìn)行了全面分析。本書通過(guò)深刻的研究與系統(tǒng)性的呈現(xiàn)，為讀者揭示

本書第一章介紹了大數(shù)據(jù)分析的相關(guān)概念、大數(shù)據(jù)分析模型的建立方法；第二章介紹了Tempo平臺(tái)的功能模塊以及創(chuàng)建課堂、添加實(shí)驗(yàn)、發(fā)布實(shí)驗(yàn)等常用功能的快速入門；第三章介紹了數(shù)據(jù)預(yù)處理。第四章是分類分析實(shí)驗(yàn)，涉及到?jīng)Q策樹(shù)分類、KNN分類、樸素貝葉斯分類、隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)算法；第五章描述了聚類分析實(shí)驗(yàn)，分別介紹了Kmeans算

本書采用項(xiàng)目任務(wù)式編寫方法，以合理的結(jié)構(gòu)、通俗易懂的語(yǔ)言、豐富實(shí)用的案例、學(xué)練結(jié)合的講解方式，全面系統(tǒng)、循序漸進(jìn)地介紹了大數(shù)據(jù)存儲(chǔ)的相關(guān)技術(shù)和實(shí)際應(yīng)用。全書共分為7個(gè)項(xiàng)目，分別為大數(shù)據(jù)存儲(chǔ)概述、數(shù)據(jù)倉(cāng)庫(kù)Hive、列式數(shù)據(jù)庫(kù)HBase、文檔數(shù)據(jù)庫(kù)MongoDB、圖數(shù)據(jù)庫(kù)Neo4j、鍵值數(shù)據(jù)庫(kù)Redis、NewSQL數(shù)據(jù)庫(kù)

本教材是大數(shù)據(jù)時(shí)代下，大數(shù)據(jù)行業(yè)蓬勃發(fā)展，大數(shù)據(jù)技術(shù)也在不斷涌現(xiàn)革新，本書對(duì)大數(shù)據(jù)體系架構(gòu)lambda進(jìn)行梳理，介紹了一些重要的大數(shù)據(jù)平臺(tái)技術(shù)原理與編程實(shí)踐，包括數(shù)據(jù)收集層的Kafka，數(shù)據(jù)存儲(chǔ)層的HDFS、HBase，計(jì)算框架層的MapReduce、Spark、Flink，資源管理與協(xié)調(diào)層的YARN、ZooKeepe

本書首先介紹了大數(shù)據(jù)應(yīng)用基礎(chǔ)：重點(diǎn)講解了如何搭建Hadoop分布式集群平臺(tái)，使用Java語(yǔ)言進(jìn)行MapReduce分布式編程；HBase及Hive數(shù)據(jù)庫(kù)環(huán)境的安裝和數(shù)據(jù)的增、刪、改、查操作；Spark平臺(tái)的搭建、RDD操作及SparkSQL查詢；Flink平臺(tái)的搭建，Kafka消息中間件的使用及流批一體計(jì)算。其次對(duì)數(shù)據(jù)

本書共分兩部分：第一部分是網(wǎng)絡(luò)數(shù)據(jù)采集與預(yù)處理的基礎(chǔ)理論實(shí)踐，包括任務(wù)1-任務(wù)6，主要講解如何使用Python編寫網(wǎng)絡(luò)數(shù)據(jù)采集和預(yù)處理程序，內(nèi)容包括Python環(huán)境搭建，Python基礎(chǔ)語(yǔ)法、語(yǔ)句與函數(shù)，網(wǎng)絡(luò)基礎(chǔ)知識(shí)，常用網(wǎng)絡(luò)數(shù)據(jù)采集與預(yù)處理庫(kù)和解析庫(kù)、數(shù)據(jù)持久化保存，以及requests庫(kù)、Numpy庫(kù)、Pandas

本書針對(duì)本科生控制理論課程中的典型難點(diǎn)問(wèn)題開(kāi)展了針對(duì)性的研究，包括物理建模、實(shí)驗(yàn)辨識(shí)建模、動(dòng)態(tài)誤差系數(shù)法、時(shí)滯系統(tǒng)穩(wěn)定性分析、描述函數(shù)法、串聯(lián)校正、狀態(tài)反饋和最優(yōu)控制數(shù)值解法等內(nèi)容。書中給出了典型案例的Matlab源程序及Simulink模型。通過(guò)對(duì)本書的學(xué)習(xí)，讀者能夠?qū)�控制理論有更加清晰的把握，提高編程能力�?/p>