免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

本書主要介紹智能電容器的開發(fā)設計與應用技術(shù)。首先介紹智能電容器的發(fā)展，概括了無功補償設備發(fā)展歷史與智能電容器產(chǎn)品的興起和發(fā)展過程，總結(jié)了智能電容器的特點，為無功補償設備智能化和模塊化的發(fā)展提供參考。詳細論述了智能電容器的結(jié)構(gòu)，并給出了智能電容器模塊化關(guān)鍵技術(shù)，提出了智能電容器主電路結(jié)構(gòu)和參數(shù)的設計原則與方法，為智能電容

"本書是一本專為嵌入式系統(tǒng)開發(fā)者精心打造的全方位學習指南，旨在引領(lǐng)讀者從STM32的入門初探，逐步邁向技術(shù)進階，并最終通過實際項目實踐鞏固所學知識，實現(xiàn)技能飛躍。本書首先以簡潔明了的語言，系統(tǒng)地介紹STM32微控制器的基礎知識，包括其強大的性能特點、豐富的外設資源以及開發(fā)環(huán)境的搭建過程。通過詳細的步驟指導，幫助初學者快

"本書主要介紹軟件知識圖譜構(gòu)建及應用研究領(lǐng)域中的關(guān)鍵技術(shù)和研究成果。針對軟件知識實體抽取任務存在的實體歧義、實體變體、無法識別未登錄詞等問題，提出一種基于多特征融合和語義增強的軟件知識實體抽取方法。針對軟件知識實體語義特征弱、實體語義關(guān)系模糊和句法依存關(guān)系特征建模存在的欠剪枝或過剪枝問題，提出一種基于句法依賴度和實體感

"本書共25章，覆蓋了軟件安全基礎、惡意代碼機理分析、惡意代碼樣本分析與檢測、軟件漏洞分析，以及軟件安全智能化分析5個領(lǐng)域。軟件安全基礎部分的相關(guān)實驗具體涉及磁盤結(jié)構(gòu)與數(shù)據(jù)恢復、程序鏈接與執(zhí)行過程分析、PE及ELF可執(zhí)行文件結(jié)構(gòu)剖析，旨在加強讀者的軟件安全基礎，這對于讀者后續(xù)理解惡意代碼和軟件漏洞的機理、分析與防護技術(shù)

"《深入淺出機器學習：從數(shù)據(jù)到大模型》是一本旨在幫助讀者系統(tǒng)學習機器學習的著作。本書通過深入淺出的方式，將復雜的機器學習理論和技術(shù)講解得深入淺出。本書從機器學習的基礎開始，為讀者提供了對數(shù)據(jù)處理、特征工程和模型評估等核心概念的全面介紹。讀者將學習如何準備和清洗數(shù)據(jù)，如何選擇和構(gòu)建合適的特征，并學會使用各種評估指標來評估

"上海市高等學校信息技術(shù)水平考試是全市高校統(tǒng)一的教學考試，旨在檢測和評價高校信息技術(shù)基礎教學水平和教學質(zhì)量，規(guī)范和加強高校的信息技術(shù)基礎教學工作，以提高學生的信息技術(shù)應用能力。本書根據(jù)上海市教育考試院發(fā)布的新考試大綱，解析上海市高等學校信息技術(shù)水平考試(一級)(大學信息技術(shù)+數(shù)字媒體基礎)的考試題型和重要知識點，專門對

"根據(jù)高等職業(yè)教育人才培養(yǎng)的要求和建筑信息化發(fā)展的趨勢，本書選取真實完整的工程案例（東營職業(yè)學院二號教學樓），采用項目化引導和任務驅(qū)動，針對每個任務設置了清晰明確的學習目標及要求。每個模塊的教學過程分為任務準備、任務實施、成果鞏固、聯(lián)考拓展四部分，借助Revit軟件建立建筑、結(jié)構(gòu)、系統(tǒng)模型，并對整個項目進行渲染、漫游、

"本書以模糊計算、神經(jīng)計算、進化計算三大模塊為主，從理論基礎和實踐應用兩個維度全面、系統(tǒng)地介紹關(guān)于計算智能的常見算法，并設計8個上機實驗，以滿足前面章節(jié)內(nèi)容仿真驗證的需要。全書共11章，內(nèi)容分別為緒論、模糊系統(tǒng)理論、模糊系統(tǒng)應用、神經(jīng)網(wǎng)絡理論、支持向量機、深度學習、遺傳算法、遺傳規(guī)劃、蟻群算法、粒子群算法、新型群智能優(yōu)

"本書將Python程序設計基礎與項目實踐相結(jié)合，任務驅(qū)動、由淺入深、循序漸進地引導讀者掌握Python的基礎語法，培養(yǎng)嚴謹?shù)某绦蛟O計思想以及項目實踐能力。全書共11章，分別為初識Python、Python基礎、程序控制語句、序列、函數(shù)、文件IO、面向?qū)ο蟮某绦蛟O計、異常、圖形用戶界面開發(fā)、數(shù)據(jù)庫編程。為了幫助學生更好

"本書從數(shù)據(jù)表示學習角度介紹機器學習及其應用。全書共7章，分別介紹數(shù)據(jù)表示學習與數(shù)學基礎、傳統(tǒng)降維方法、分布式表示學習和聚類算法、稀疏表示學習、神經(jīng)網(wǎng)絡中的特征提取、生成式表示學習和對比式表示學習。本書涉及的數(shù)據(jù)表示學習算法的具體應用領(lǐng)域包括計算機視覺、自然語言處理以及圖網(wǎng)絡分析等。本書主要面向廣大從事人工智能、機器學