本書主要介紹了結(jié)構(gòu)工程顯式計算動力學(xué)分析的基本理論、計算方法和結(jié)構(gòu)工程領(lǐng)域代表性工程應(yīng)用。全書結(jié)合LS-DYNA軟件，給出了多個典型案例的求解過程，包括工程結(jié)構(gòu)的地震倒塌數(shù)值模擬，沖擊與爆破數(shù)值模擬，流固耦合數(shù)值模擬等。本書給出了解決結(jié)構(gòu)工程領(lǐng)域?qū)嶋H問題的思路與方法，計算步驟簡明扼要，可操作性強，所有算例均附有命令流K

本書以熱等離子體技術(shù)為主題，分類介紹了等離子體制備粉體的工藝過程，以及基于等離子體粉體特色的開發(fā)應(yīng)用實例。第1章介紹了熱等離子體及其應(yīng)用進展，第2章介紹了等離子體增強物理過程制備球形粉體，第3章介紹了氫等離子體還原制備超細金屬粉體，第4章介紹了等離子體增強化學(xué)反應(yīng)制備陶瓷粉體，第5章介紹了利用等離子體粉體制備燒結(jié)制品，

本書介紹公園城市理念、生態(tài)公園建設(shè)內(nèi)涵、智慧建造理念及相關(guān)新興技術(shù)的發(fā)展，重點闡述生態(tài)公園設(shè)計、建造和全過程的協(xié)同管理方面數(shù)字信息化技術(shù)應(yīng)用的理論基礎(chǔ)、工藝流程以及應(yīng)用案例；提出項目參與各方及建設(shè)全過程的協(xié)同管理模型；構(gòu)建設(shè)計階段生態(tài)公園設(shè)計模型，以及采用虛擬建造技術(shù)實現(xiàn)場景還原并通過虛擬現(xiàn)實（virtualreali

頻率源存在偏差，需要通過校準獲得偏差信息，通過控制修正偏差。使用原子鐘和精密頻率源的用戶，都需要對信號源進行校準和控制。本書在對校準和控制涉及的各項技術(shù)和方法進行解釋和分析的基礎(chǔ)上，結(jié)合具體例子，詳細說明各種場合的不同校準和控制方法，包括導(dǎo)航衛(wèi)星的高穩(wěn)定性控制方法、國家守時實驗室的高精密控制方法、一般用戶的智能鐘控制方

本書主要介紹水力發(fā)電系統(tǒng)數(shù)值建模方法與穩(wěn)定性理論，有助于水利工程相關(guān)專業(yè)科研人員和工程技術(shù)人員加深對水力發(fā)電系統(tǒng)運行性能的理解，并進一步突破理論研究瓶頸，解決實際工程中遇到的問題。全書共七章，主要內(nèi)容包括水力發(fā)電系統(tǒng)運行性能的研究基礎(chǔ)、水輪機調(diào)節(jié)系統(tǒng)基本模型及隨機擾動系統(tǒng)穩(wěn)定性分析、考慮陀螺效應(yīng)的水力發(fā)電機組軸系建模及

本書共分為4章，首先介紹了稀疏信號模型，包括向量空間和低維信號模型；其次，介紹了信號壓縮感知（采樣）理論，包括感知矩陣的性質(zhì)及構(gòu)建、信號恢復(fù)算法等；再次，介紹了信號壓縮采樣與重構(gòu)技術(shù)，包括信號壓縮采樣框架及其恢復(fù)算法、信號功率譜估計方法；最后，介紹了信號壓縮感知技術(shù)在天文信號處理中的應(yīng)用，包括采樣系統(tǒng)設(shè)計和數(shù)據(jù)存儲、低

本書系統(tǒng)性構(gòu)建了智能全景系統(tǒng)基礎(chǔ)理論及智能全景電網(wǎng)架構(gòu)，開展了相關(guān)技術(shù)體系在現(xiàn)代電網(wǎng)的應(yīng)用實踐。重點闡述了互聯(lián)大電網(wǎng)多元基礎(chǔ)信息一體化實時感知、動態(tài)設(shè)備元件集測辨建模、在線超實時機電-電磁混合仿真、安全穩(wěn)定態(tài)勢量化評估及智能全景電網(wǎng)時空大數(shù)據(jù)平臺支撐技術(shù)�；�于先進大數(shù)據(jù)和人工智能技術(shù)研發(fā)的大電網(wǎng)在線綜合動態(tài)安全穩(wěn)定智能

新生事物的出現(xiàn)引發(fā)了一系列激烈的討論，不難發(fā)現(xiàn)輿論聲浪中夾雜著令人不安和無奈的概念混淆，甚至有人把ChatGPT等同于GPT，或等同于AI。對于新生事物，過度吹捧和質(zhì)疑都是不科學(xué)的。 本書的寫作建立在大量調(diào)查研究和資訊的基礎(chǔ)上，對ChatGPT、GPT和AI的發(fā)展進行了全面分析，幫助讀者了解三者的不同，厘清ChatGP

本書全面介紹JUnit5的新特性及其主要應(yīng)用。全書共22章，分為五部分。部分介紹JUnit的核心、JUnit的體系結(jié)構(gòu)、從JUnit4向JUnit5遷移、軟件測試原則等內(nèi)容；第二部分介紹軟件測試質(zhì)量、用stub和mockobject進行測試、容器內(nèi)測試等內(nèi)容；第三部分介紹用Maven和Gradle工具運行JUnit測試

服務(wù)質(zhì)量預(yù)測是服務(wù)計算的一個重要研究分支，是支撐服務(wù)發(fā)現(xiàn)和服務(wù)管理的有力技術(shù)工具。經(jīng)過多年發(fā)展，服務(wù)質(zhì)量預(yù)測已聚焦到如何利用機器學(xué)習(xí)技術(shù)解決情境感知的應(yīng)用需求問題。本書圍繞此議題，針對靜態(tài)、動態(tài)、多屬性、拓撲感知、虛擬機等場景下服務(wù)質(zhì)量預(yù)測問題，分別闡述基于近鄰效應(yīng)、矩陣分解、非負多矩陣分解、貝葉斯魯棒張量分解、深度神