本書主要介紹水下機器魚人工側(cè)線系統(tǒng)的設(shè)計及感知技術(shù)，共6章，主要內(nèi)容包括人工側(cè)線系統(tǒng)及其應用綜述、仿盒子魚機器人、基于人工側(cè)線的單機機器魚自主軌跡評估研究、基于人工側(cè)線的雙機器魚相對位姿感知實驗研究、基于人工側(cè)線的雙鄰近機器魚相對位姿估計算法研究、結(jié)論與展望等。本書可作為高等院校相關(guān)專業(yè)研究生和高年級本科生的教材，也可

本書是內(nèi)容全面、偏重基礎(chǔ)的ROS機器人開發(fā)入門書籍，是作者總結(jié)多年科研教學成果并在吸收國內(nèi)外理論、方法和技術(shù)的基礎(chǔ)上完成的。本書詳細介紹了ROS機器人基礎(chǔ)和ROS常用開發(fā)工具，詳細講解了ROS系統(tǒng)架構(gòu)、ROS客戶端庫和機器人建模與仿真；以工程開發(fā)為重心，詳細講解機器視覺、機器語音、SLAM和導航等多方面ROS應用的實現(xiàn)

在大數(shù)據(jù)時代，機器學習（ML）在互聯(lián)網(wǎng)領(lǐng)域取得了巨大的成功，數(shù)據(jù)應用也逐漸從“數(shù)據(jù)驅(qū)動”階段向“模型驅(qū)動”階段躍升，但這也給ML項目落地帶來了更大的困難，為了適應時代的發(fā)展，MLOps應運而生。本書從多個方面介紹了MLOps實踐路徑，內(nèi)容涵蓋了設(shè)計、構(gòu)建和部署由ML驅(qū)動的應用程序所需的各種實用技能。

本書基于C++編寫，旨在帶領(lǐng)讀者動手打造出一個深度學習框架。本書首先介紹C++模板元編程的基礎(chǔ)技術(shù)，然后在此基礎(chǔ)上剖析深度學習框架的內(nèi)部結(jié)構(gòu)，逐一實現(xiàn)深度學習框架中的各個組件和功能，包括基本數(shù)據(jù)結(jié)構(gòu)、運算與表達模板、基本層、復合層、循環(huán)層、求值與優(yōu)化等，最終打造出一個深度學習框架。本書將深度學習框架與C++模板元編程有

本書是一本系統(tǒng)介紹深度學習技術(shù)及開源框架PyTorch的入門書。書中通過大量案例介紹了PyTorch的使用方法、神經(jīng)網(wǎng)絡(luò)的搭建、常用神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)）的實現(xiàn)，以及實用的深度學習技術(shù)，包括遷移學習、對抗生成學習、深度強化學習、圖神經(jīng)網(wǎng)絡(luò)等。讀者通過閱讀本書，可以學會構(gòu)造一個圖像識別器，生成逼真的圖畫

當前AI圖書市場，理論知識與實踐經(jīng)驗的脫節(jié)，是很多書籍的缺點。本書立足于理論，從實例入手，將理論知識和實際應用結(jié)合，目標是讓讀者能夠快速地熟悉人工智能中經(jīng)典算法。全書分為4篇，共20章。其中第1篇為基礎(chǔ)算法篇，主要講述排序、查找、線性結(jié)構(gòu)、樹、隊列、散列、圖、堆棧等基本數(shù)據(jù)結(jié)構(gòu)算法；第2篇為機器學習算法篇，主要講述分類

本書以實踐為導向，主要講解在真實環(huán)境下如何使用PostgreSQL集群及repmgr、Patroni、BDR多主復制等PostgreSQL主流高可用技術(shù)，揭示PostgreSQL可靠性和高可用性的技術(shù)特點。同時介紹pg_probackup、pgBackReset、pg_rman、PgBouncer、Odyssey等備份

本書主要介紹機器人自主導航基本原理及其在機器人操作系統(tǒng)中的開發(fā)與實現(xiàn)。內(nèi)容包括兩部分：第一部分(第1～3章)介紹機器人的總體結(jié)構(gòu)及關(guān)鍵技術(shù)、機器人操作系統(tǒng)的基礎(chǔ)知識及安裝過程；第二部分(第4～7章)介紹機器人自主導航的基礎(chǔ)理論(包括機器人定位技術(shù)、SLAM技術(shù)和路徑規(guī)劃)及其在ROS中的實現(xiàn)，并以自主開發(fā)小車Aibot

本書結(jié)合大量實驗程序和圖表，通俗易懂地介紹了Linux操作系統(tǒng)的運行原理和硬件的基礎(chǔ)知識，涉及進程管理、進程調(diào)度器、內(nèi)存管理、存儲層次、文件系統(tǒng)和外部存儲器等。實驗程序使用C語言和Python編寫，讀者可親自動手運行程序，來確認系統(tǒng)的行為。另外，以圖解的方式介紹各知識點，簡明且直觀，能夠幫助讀者加深理解。讀者只需對Li

本書將目標設(shè)定為“在一臺筆記本電腦上使用R語言處理較大的數(shù)據(jù)集”，從單機大型數(shù)據(jù)集處理策略、提升計算性能、其他工具和技巧3個方面介紹了使用R語言處理數(shù)據(jù)時的實用方法。包括數(shù)據(jù)集占用空間、善用data.table處理數(shù)據(jù)、數(shù)據(jù)分塊處理、提升硬盤資源使用效率、并行編程技術(shù)、提升機器學習性能，以及其他資源管理和提高性能的實用