本書將理論講述與實踐解析相結(jié)合，介紹了機器視覺技術及圖像處理理論，幫助讀者理解基礎理論并學會操作應用。主要內(nèi)容包括：機器視覺基礎、圖像數(shù)據(jù)與文件、圖像視頻采集、像素分布處理、顏色空間與測量、顏色變換、幾何變換、頻率域變換、圖像間變換、濾波增強、圖像分割、二值運算、二值參數(shù)測量、二維三維運動圖像測量。利用通用圖像處理系統(tǒng)

算法無處不在，算法思維已成為當今人類的基本思維方式之一。本書以經(jīng)典算法為主線，首先系統(tǒng)介紹算法的基本概念、設計策略與設計方法，將課程思政元素融入算法知識體系，注重基礎性；然后介紹不確定問題求解中的經(jīng)典概率算法和群體智能算法，強調(diào)高階性；最后介紹計算復雜性基本理論，并設計了復雜問題求解算法的工程實踐應用案例，突出挑戰(zhàn)性。

為了深入實施制造強國戰(zhàn)略，我國正加速推動物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計算與制造業(yè)的深度融合，促進制造業(yè)向數(shù)字化、網(wǎng)絡化和智能化轉(zhuǎn)型升級。復雜系統(tǒng)健康監(jiān)測是其中的關鍵環(huán)節(jié)之一。隨著數(shù)據(jù)積聚、算法革新與算力提升，以深度學習為代表的新一代人工智能技術不斷取得突破性發(fā)展，為復雜系統(tǒng)健康監(jiān)測技術突破提供新的途徑。本書結(jié)合作者團隊

本書首先提出一款指令集的7個評價指標，包括成本、簡潔、性能、架構和實現(xiàn)分離、提升空間、代碼大小、易于編程/編譯/鏈接，并圍繞這7個評價指標從全系統(tǒng)角度向讀者介紹RISC-V的精巧設計和眾多的取舍考量。同時，本書還介紹x86、ARM和MIPS的設計，并通過插入排序和DAXPY（雙精度乘加）程序量化對比它們，突出RISC-

本書主要介紹了用于解決NP-Hard問題的算法工具(啟發(fā)式算法、本地搜索、動態(tài)編程、MIP和SAT解算器)以及用于快速識別NP-Hard問題的技術。NP-Hard問題比較復雜,無法通過始終正確和始終快速的算法來解決。當出現(xiàn)NP-Hard問題時,我們必須在正確性或速度上做出妥協(xié)。本書的每一章均有小測驗、章末習題,這為讀者

本書從計算機病毒生命周期的全新視角，詳細介紹了計算機病毒的基本理論與主要攻防技術。計算機病毒生命周期，是指從病毒編寫誕生開始到病毒被獵殺的全生命歷程，主要包括誕生、傳播、潛伏、發(fā)作、檢測、凋亡等階段。從攻防博弈的角度，病毒的誕生、傳播、潛伏、發(fā)作等階段屬于病毒攻擊范疇，而病毒的檢測、凋亡等階段屬于病毒防御范疇。本書以計

中國數(shù)據(jù)中心發(fā)展藍皮書（2022）是對中國數(shù)據(jù)中心的歷史沿革、行業(yè)狀況、發(fā)展趨勢進行階段性系統(tǒng)回顧和深入剖析，該書聚焦于2019年-2022年四年間數(shù)據(jù)中心領域相關技術的發(fā)展及應用的情況，以主題報告的形式展現(xiàn)內(nèi)容，分為17個報告，分別闡述數(shù)據(jù)中心領域的標準、超級計算數(shù)據(jù)中心、液冷技術、安全保護、節(jié)能技術等的現(xiàn)狀及趨勢。

本書闡述弱監(jiān)督目標檢測的建模理論、優(yōu)化方法和實際應用，主要內(nèi)容包括弱監(jiān)督目標檢測的任務定義、現(xiàn)有弱監(jiān)督目標檢測算法簡介和問題呈現(xiàn)、最小熵隱變量模型方法的建模、連續(xù)優(yōu)化多示例學習方法和弱監(jiān)督目標檢測算法在X射線安檢場景中的應用。其中的主要問題包括弱監(jiān)督目標檢測的定位穩(wěn)定性建模、弱監(jiān)督學習的非凸優(yōu)化方法，以及弱監(jiān)督學習在實

本書主要講解計算機的基礎知識，選配計算機硬件，組裝計算機，設置BIOS和硬盤分區(qū)，安裝操作系統(tǒng)和常用軟件，備份、還原與優(yōu)化操作系統(tǒng)，模擬計算機系統(tǒng)，維護計算機，診斷與排除計算機故障等知識，并安排組裝與維護計算機的綜合實訓，進一步提高學生對相關知識的應用能力。 本書以“情景導入→任務講解→實訓→課后練習→技能提升”的結(jié)構

本書按實戰(zhàn)項目研發(fā)的先后順序，介紹了目標檢測神經(jīng)網(wǎng)絡從研發(fā)到運營的全生命周期。首先介紹了目標檢測場景下的圖片標注方法和數(shù)據(jù)格式，以及與之密切相關的特征融合網(wǎng)絡和預測網(wǎng)絡；介紹了數(shù)據(jù)"后處理”所涉及的NMS算法及其變種，在此基礎上，讀者只需結(jié)合各式各樣的骨干網(wǎng)絡就可以搭建完整的一階段目標檢測神經(jīng)網(wǎng)絡模型。接下來介紹了神經(jīng)