本書(shū)對(duì)煤焦油的組成結(jié)構(gòu)性質(zhì)及其在多種加工過(guò)程中的反應(yīng)機(jī)制進(jìn)行系統(tǒng)地闡述。首先，對(duì)煤焦油的分子組成性質(zhì)，結(jié)構(gòu)特征及分離分析方法等多方面前沿研究進(jìn)展進(jìn)行了論述。其次，詳細(xì)地分析了煤焦油的多種反應(yīng)機(jī)制，如加氫反應(yīng)、熱反應(yīng)等，并詳細(xì)說(shuō)明了這些反應(yīng)在實(shí)際生產(chǎn)中的應(yīng)用。最后，對(duì)目前煤焦油加工利用方面的前沿科學(xué)技術(shù)進(jìn)行介紹，為讀者展

本書(shū)針對(duì)多源多維數(shù)據(jù)的匯聚融合、數(shù)據(jù)安全體系以及征信體系闡述了相關(guān)研究成果，主要包括：原位虛擬大數(shù)據(jù)中心平臺(tái)體系、大數(shù)據(jù)感知與勘探技術(shù)、多源多維數(shù)據(jù)融合計(jì)算技術(shù)、基于多模型融合的信用評(píng)估技術(shù)、全生命周期的數(shù)據(jù)安全體系架構(gòu)與關(guān)鍵技術(shù)、數(shù)據(jù)安全體系架構(gòu)的測(cè)試與評(píng)估技術(shù)，以及基于信用評(píng)估的金融交易風(fēng)險(xiǎn)防控系統(tǒng)和多源多維大數(shù)據(jù)

本書(shū)主要包含以下內(nèi)如：最優(yōu)化問(wèn)題的簡(jiǎn)介，凸分析基礎(chǔ)，無(wú)約束優(yōu)化的理論及線(xiàn)搜索算法框架，信賴(lài)域算法，線(xiàn)搜索收斂性分析及收斂速度分析，半光滑牛頓算法，共軛梯度算法，約束優(yōu)化理論及延伸理論，罰方法，增廣拉格朗日算法及算法在實(shí)際問(wèn)題(支持向量機(jī)模型、超圖匹配)中的應(yīng)用。本書(shū)對(duì)知識(shí)點(diǎn)的分析緊密結(jié)合當(dāng)前研究前沿問(wèn)題，并通過(guò)對(duì)應(yīng)用問(wèn)

在這本烈酒主題的著作中，作者使用酒精飲料作為鏡頭，通過(guò)它來(lái)更深入地了解自然歷史。本書(shū)在進(jìn)化、生態(tài)學(xué)、歷史、生物學(xué)、化學(xué)等的背景下考察了高度烈酒的成分、歷史、文化、蒸餾過(guò)程及影響。還組織了一個(gè)專(zhuān)家團(tuán)隊(duì)撰寫(xiě)有關(guān)白蘭地、伏特加、龍舌蘭酒、威士忌、杜松子酒、朗姆酒、生命之水、白酒、格拉巴酒、茴香酒和卡沙薩酒的章節(jié)。本書(shū)涵蓋了來(lái)

本書(shū)共分8章，主要內(nèi)容如下： 第1章介紹數(shù)據(jù)的認(rèn)知與研究任務(wù)，大數(shù)據(jù)概念特征及技術(shù)挑戰(zhàn)等。 第2章介紹大數(shù)據(jù)內(nèi)容、知識(shí)和結(jié)果表達(dá)概念，以及元數(shù)據(jù)和知識(shí)圖譜技術(shù)。 第3章介紹數(shù)據(jù)存儲(chǔ)基礎(chǔ)、大數(shù)據(jù)存儲(chǔ)要求以及應(yīng)對(duì)技術(shù)和典型系統(tǒng)。 第4章介紹數(shù)據(jù)管理基礎(chǔ)，新型數(shù)據(jù)管理模型及其相應(yīng)大數(shù)據(jù)管理系統(tǒng)。 第5章介紹數(shù)據(jù)計(jì)算基礎(chǔ)，大數(shù)

本書(shū)聚焦食品科學(xué)技術(shù)未來(lái)發(fā)展需求，將機(jī)器學(xué)習(xí)算法與食品科學(xué)技術(shù)緊密融合。以Python作為主要編程語(yǔ)言，依托NumPy、Matplotlib和Pandas等數(shù)據(jù)庫(kù)，詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯、人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、決策樹(shù)、線(xiàn)性回歸、K最近鄰等核心算法。同時(shí)，以茶葉、水產(chǎn)品、食用菌、咖啡、掛面、魔芋葡甘聚糖水凝膠

本書(shū)系統(tǒng)闡述了現(xiàn)有的目標(biāo)函數(shù)分離ADMM算法，在此基礎(chǔ)上發(fā)展了約束集分離與簡(jiǎn)約ADMM算法，解決實(shí)際應(yīng)用中更難以應(yīng)付的復(fù)雜約束優(yōu)化問(wèn)題，并用于求解復(fù)雜的信號(hào)處理優(yōu)化問(wèn)題。全書(shū)共12章，主要包括雷達(dá)波形設(shè)計(jì)、陣列方向圖綜合及魯棒波束形成、以及分布式MIMO雷達(dá)定位問(wèn)題，具體包括包含譜的雷達(dá)波形設(shè)計(jì)、低旁瓣集中式MIMO雷

受阻于艱深晦澀的技術(shù)原理、陌生又拗口的專(zhuān)業(yè)術(shù)語(yǔ)，很多人對(duì)NFT望而卻步。作為深耕Web3的研究人員，筆者試圖通過(guò)通俗的語(yǔ)言、簡(jiǎn)單的結(jié)構(gòu)、詳實(shí)的案例，著眼于縱向時(shí)間線(xiàn)、橫向技術(shù)線(xiàn)立體、客觀(guān)、完整講解，讓零基礎(chǔ)的讀者迅速掌握NFT的核心要義。 本書(shū)一共分為8個(gè)篇章。拋棄傳統(tǒng)定義、歷史、應(yīng)用的舊模式，開(kāi)篇直入主題，先通過(guò)全局

本書(shū)針對(duì)推薦系統(tǒng)中的二部圖、社交網(wǎng)絡(luò)和知識(shí)圖譜的圖結(jié)構(gòu)模式，研究基于圖表示學(xué)習(xí)的深度推薦系統(tǒng)。通過(guò)挖掘圖信息中的隱性關(guān)系和高階關(guān)系，使用圖學(xué)習(xí)的方式探索用戶(hù)和產(chǎn)品的潛在關(guān)聯(lián)，彌補(bǔ)相關(guān)推薦系統(tǒng)研究在挖掘用戶(hù)之間或者產(chǎn)品之間隱性關(guān)系方面的不足，形成一系列合理而且有效的推薦技術(shù)。增加推薦系統(tǒng)輸入的多樣性，運(yùn)用社交網(wǎng)絡(luò)和知識(shí)圖

圖像融合技術(shù)可將多源圖像的互補(bǔ)特征進(jìn)行綜合，以得到更加完整和準(zhǔn)確的場(chǎng)景描述，從而彌補(bǔ)單一傳感器單幅圖像的不足，是一種廣泛應(yīng)用的圖像預(yù)處理技術(shù)，如多攝像頭拍照、微光夜視、醫(yī)學(xué)診斷、遙感等應(yīng)用領(lǐng)域。本書(shū)以多源圖像融合技術(shù)為主要內(nèi)容，在研究圖像尺度分析、遷移學(xué)習(xí)、深度學(xué)習(xí)算法與模型的基礎(chǔ)上，針對(duì)多聚焦圖像融合、多模態(tài)醫(yī)學(xué)圖像