《中文信息處理發(fā)展簡史》以中文信息處理的學(xué)科發(fā)展脈絡(luò)為線索，介紹了中文信息處理在不同歷史時期中的發(fā)展情況與主要成果�！吨形男畔⑻幚戆l(fā)展簡史》首先簡要介紹了中文信息處理學(xué)科的基本概況，然后以起步期、發(fā)展期、成熟期、繁榮期等不同的歷史階段，分章節(jié)對中文信息處理各個歷史階段的發(fā)展過程和成果進行了具體闡述�！吨形男畔⑻幚戆l(fā)展簡

Git是一款讓人一開始覺得很容易學(xué)，但卻很難精通的工具。本書除了介紹Git的相關(guān)知識外，還會模擬各種常見的狀況，讓讀者知道應(yīng)該在什么時候使用什么指令�！禛it從入門到精通》共分11個章節(jié)，1~3章介紹安裝工具及環(huán)境，對于已經(jīng)安裝完成的讀者可直接從第4章開始閱讀。第5章介紹Git基本的使用方式，雖然難度不高，但卻是整個G

機器學(xué)習(xí)是一門涉及高等數(shù)學(xué)、線性代數(shù)、概率論、統(tǒng)計學(xué)和運籌學(xué)等領(lǐng)域的交叉學(xué)科。機器學(xué)習(xí)的基礎(chǔ)就是數(shù)學(xué)，這也就要求學(xué)習(xí)者要有良好的數(shù)學(xué)基礎(chǔ)。為了降低機器學(xué)習(xí)的學(xué)習(xí)門檻，本書深入淺出地對機器學(xué)習(xí)算法的數(shù)學(xué)原理進行了嚴(yán)謹(jǐn)?shù)耐茖?dǎo)；并利用Python3對各種機器學(xué)習(xí)算法進行復(fù)現(xiàn)，還利用介紹的算法在相應(yīng)數(shù)據(jù)集上進行實戰(zhàn)。本書主要內(nèi)

輕量級架構(gòu)是目前的主流架構(gòu)之一，《大型互聯(lián)網(wǎng)應(yīng)用輕量級架構(gòu)實戰(zhàn)》全面介紹了基于輕量級架構(gòu)來構(gòu)建大型互聯(lián)網(wǎng)應(yīng)用，包括輕量級架構(gòu)概述、Servlet、Spring、單元測試、集成測試、事務(wù)管理、SpringSecurity、MyBatis、MyBatis高級應(yīng)用、SMM技術(shù)集成、SMM分層、基于SMM架構(gòu)的互聯(lián)網(wǎng)應(yīng)用、使用

本書將協(xié)調(diào)調(diào)度概述、梯級水電站電力生產(chǎn)協(xié)調(diào)智能調(diào)度、梯級水電站水沙協(xié)調(diào)調(diào)度研究、梯級水庫群泄洪設(shè)施協(xié)調(diào)運行研究梯級水庫群泄洪設(shè)施協(xié)調(diào)運行理論研究、基于清潔能源價值的水電站協(xié)調(diào)定價管理、某巨型水電站"一廠兩調(diào)"協(xié)調(diào)調(diào)度研究等方面內(nèi)容開展研究

近年來分布式可再生能源發(fā)電及并網(wǎng)技術(shù)在國內(nèi)外得到快速發(fā)展，本 書基于2016年首批國家重點研發(fā)計劃項目“分布式可再生能源發(fā)電集群 并網(wǎng)消納關(guān)鍵技術(shù)及示范應(yīng)用”的研發(fā)工作，系統(tǒng)闡述了大規(guī)模分布式可再 生能源發(fā)電并網(wǎng)與消納的關(guān)鍵科學(xué)技術(shù)和示范應(yīng)用成果。全書共分為7章： 第1章介紹分布式發(fā)電發(fā)展現(xiàn)狀、并網(wǎng)挑戰(zhàn)和亟待解

隨著科學(xué)技術(shù)的飛速發(fā)展，高檔數(shù)控機床廣泛應(yīng)用于航空航天、核電、汽車、高新技術(shù)等行業(yè)，大大提高了產(chǎn)品的加工精度及生產(chǎn)效率，企業(yè)對數(shù)控機床的依賴性也愈來愈強。。高檔數(shù)控機床特別是數(shù)控機床主軸的性能對零件的加工精度影響巨大。本書介紹了主軸系統(tǒng)的安全服役關(guān)鍵技術(shù)，主要包括數(shù)控機床主軸系統(tǒng)的動特性分析、早期微弱故障的敏感特征獲取

本書以邊坡參數(shù)概率反演及可靠度更新為主題，重點闡述貝葉斯更新基本理論及方法在邊坡工程中的應(yīng)用。研究了巖土體參數(shù)非平穩(wěn)分布特性、空間變異參數(shù)概率分布推斷、有限場地信息條件下的邊坡參數(shù)概率反演及可靠度更新、邊坡場地勘察方案優(yōu)化設(shè)計等問題。豐富了邊坡可靠度貝葉斯更新基本理論、提出了巖土體參數(shù)概率分布推斷的自適應(yīng)貝葉斯更新方法

本書通過分析最優(yōu)化理論和算法與機器學(xué)習(xí)的關(guān)系：最優(yōu)化理論和算法促進了機器學(xué)習(xí)的發(fā)展，同時機器學(xué)習(xí)對最優(yōu)化的理論和求解方法也帶來了新的研究方向和研究方法。我們針對組合優(yōu)化問題，特別是NP問題,提出機器學(xué)習(xí)的求解方法，此類方法通過一些學(xué)習(xí)方法，結(jié)合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機器學(xué)習(xí)理論方法。 本書共分為六章，

分類是遙感影像處理分析的重要內(nèi)容和研究熱點，針對遙感影像分類中不同分類器各具優(yōu)勢、相互補充的特點，將模式識別領(lǐng)域的研究熱點-多分類器系統(tǒng)引入遙感領(lǐng)域，系統(tǒng)介紹了遙感多分類器集成理論、方法和典型應(yīng)用。全書內(nèi)容包括七章：第一章介紹了遙感影像分類進展，通過對不同分類器的比較與分析，構(gòu)建了分類器集合；第二章從理論與實例兩方面，