本書第1～5章從地理信息科學(xué)發(fā)展到大數(shù)據(jù)時代面臨的挑戰(zhàn)入手，介紹了大規(guī)模時空數(shù)據(jù)的高效管理、高性能計算、深度分析挖掘、科學(xué)可視化等內(nèi)容，主要包括：時空數(shù)據(jù)存儲與管理、時空數(shù)據(jù)索引，高性能時空大數(shù)據(jù)計算策略、空間數(shù)據(jù)與空間計算任務(wù)劃分方法，時空聚類、地理回歸等時空數(shù)據(jù)挖掘方法，大規(guī)模空間數(shù)據(jù)加載和渲染策略、三維可視化等。

本書對觸覺傳感器和觸覺顯示器的設(shè)計進(jìn)行闡述，內(nèi)容包括觸覺傳感器和觸覺顯示器設(shè)計中的基礎(chǔ)知識、機器人三軸觸覺傳感器設(shè)計、VR觸覺顯示器設(shè)計，以及觸覺傳感器和觸覺顯示器應(yīng)用實例等。本書內(nèi)容是筆者多年的研究成果，結(jié)合以往的經(jīng)驗，指出觸覺傳感器和觸覺顯示器的最終研究方向。

本書以不同超聲導(dǎo)波模態(tài)電磁聲傳感器的設(shè)計方法為主線，系統(tǒng)介紹不同工作原理及不同結(jié)構(gòu)電磁聲傳感器設(shè)計的理論知識與方法，詳細(xì)介紹磁場配置與幾何結(jié)構(gòu)等對電磁聲傳感器激勵和接收超聲導(dǎo)波信號的影響，并應(yīng)用研制的電磁聲傳感器進(jìn)行典型結(jié)構(gòu)缺陷定位成像。本書可幫助讀者有效掌握超聲導(dǎo)波電磁聲傳感器的設(shè)計與應(yīng)用方法。

"本教材立足信創(chuàng)產(chǎn)業(yè)基礎(chǔ)課程操作系統(tǒng)管理，全面梳理了我國發(fā)展信創(chuàng)產(chǎn)業(yè)的原因和戰(zhàn)略需求，讓讀者領(lǐng)會在當(dāng)今數(shù)字化大時代是大國科技需要堅實的信息技術(shù)基礎(chǔ)做為支撐；在知識點講授方面，教材從管理工作崗位需求出發(fā)以項目為牽手任務(wù)為驅(qū)動全面介紹了信創(chuàng)Linux系統(tǒng)管理知識，內(nèi)容具體包括信創(chuàng)產(chǎn)業(yè)和統(tǒng)信UOS的發(fā)展史、統(tǒng)信服務(wù)器操作系統(tǒng)

自然語言在語法、語義和語用三個平面上的結(jié)構(gòu)統(tǒng)稱為語言結(jié)構(gòu)，通過計算得到語言結(jié)構(gòu)是自然語言理解的核心任務(wù)。語言結(jié)構(gòu)計算可以泛化為識別語言單元和建立語言單元之間的關(guān)系、為語言單元和關(guān)系賦予屬性的過程。本書利用網(wǎng)格結(jié)構(gòu)分析語言單元和關(guān)系，通過鍵值方式對其屬性進(jìn)行描述和計算，采用數(shù)據(jù)表解析不同類型的知識，借助有限狀態(tài)自動機剖析

運用PyTorch探索自然語言處理與機器學(xué)習(xí)！ 這是一本兼顧理論基礎(chǔ)和工程實踐的入門級教程，基于PyTorch，揭示自然語言處理的原理，描繪經(jīng)典學(xué)術(shù)研究脈絡(luò)，通過實踐與項目展現(xiàn)技術(shù)與應(yīng)用的細(xì)節(jié)，并提供可擴展閱讀的論文出處。

本書講解了SystemVerilogTestbench強大的驗證功能，清楚地解釋了面向?qū)ο缶幊�、約束隨機測試和功能覆蓋的概念。本書涵蓋SystemVerilog所有驗證結(jié)構(gòu)，如類、程序塊、隨機化和功能覆蓋等，并通過超過500個代碼示例和詳細(xì)解釋，說明了學(xué)習(xí)多態(tài)性、回調(diào)和工廠模式等概念的內(nèi)部工作原理。此外，本書提供了數(shù)百

本書致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場景方方面面的內(nèi)容。全書分為四部分：第一部分介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡(luò)成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡(luò)典型的前沿領(lǐng)域；第四部分描述可能對圖神經(jīng)網(wǎng)絡(luò)未來研

網(wǎng)絡(luò)流量識別是網(wǎng)絡(luò)監(jiān)控的關(guān)鍵環(huán)節(jié)，在網(wǎng)絡(luò)管理中起著至關(guān)重要的作用，機器學(xué)習(xí)作為一種技術(shù)手段已經(jīng)應(yīng)用到網(wǎng)絡(luò)流量識別過程中，并成為該領(lǐng)域的研究熱點。基于機器學(xué)習(xí)的網(wǎng)絡(luò)流量識別算法通過對流量行為測度的分析與度量來構(gòu)建滿足不同應(yīng)用場景的流量識別需求模型。《基于機器學(xué)習(xí)的網(wǎng)絡(luò)流量識別算法及其應(yīng)用》共9章，首先分析機器學(xué)習(xí)在流量識

近年來，隨著自動駕駛、智能交通及智慧城市等領(lǐng)域的快速發(fā)展，對城區(qū)及道路環(huán)境精細(xì)化、定期更新的三維數(shù)字地圖的需求越來越迫切。車載激光雷達(dá)作為一種主動式探測技術(shù)，具有部署靈活、可全天時快速采集高精度三維點云數(shù)據(jù)的特點，已廣泛應(yīng)用于動態(tài)環(huán)境感知與實時導(dǎo)航、自動化精細(xì)目標(biāo)識別與信息提取、高精度三維數(shù)字地圖制圖等領(lǐng)域。然而，車載