本教材以機器人運動規(guī)劃為控制對象，系統(tǒng)的介紹了機器人控制技術中微體系結(jié)構(gòu)集成電路的設計與應用知識，包含了國內(nèi)外領先性的技術理論和實踐案例，適用于電子信息本科和研究生的機器人控制和微電子制造領域擴展知識和技能培養(yǎng)。主要包括以下部分內(nèi)容：機器人運動學基礎、機器人感知系統(tǒng)、機器人運動控制系統(tǒng)、微體系結(jié)構(gòu)集成電路設計、基于FP

隨著數(shù)字經(jīng)濟的不斷發(fā)展，數(shù)據(jù)價值得到越來越廣泛而深入的體現(xiàn)。目前我國信息數(shù)據(jù)資源80%以上掌握在各級政府部門手里，受數(shù)據(jù)孤島、技術壁壘、法制缺失、數(shù)據(jù)標準不統(tǒng)一等因素影響，大量數(shù)據(jù)未能得到充分開放、共享或利用，不利于推動我國數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化的發(fā)展。政府、企業(yè)和個人是數(shù)據(jù)開放、共享和交易的基本主體，技術與法制是數(shù)據(jù)

數(shù)據(jù)要素作為繼土地、勞動力、資本、技術之后的第五大生產(chǎn)要素，在2020年4月國務院《關于構(gòu)建更加完善的要素市場化配置體制機制的意見》首次出現(xiàn)并明確提出"加快培育數(shù)據(jù)要素市場”后，中共中央關于制定國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標的建議》中也提出了"發(fā)展數(shù)字經(jīng)濟，推進數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，推動數(shù)字經(jīng)

本書共分8章，主要內(nèi)容如下： 第1章介紹數(shù)據(jù)的認知與研究任務，大數(shù)據(jù)概念特征及技術挑戰(zhàn)等。 第2章介紹大數(shù)據(jù)內(nèi)容、知識和結(jié)果表達概念，以及元數(shù)據(jù)和知識圖譜技術。 第3章介紹數(shù)據(jù)存儲基礎、大數(shù)據(jù)存儲要求以及應對技術和典型系統(tǒng)。 第4章介紹數(shù)據(jù)管理基礎，新型數(shù)據(jù)管理模型及其相應大數(shù)據(jù)管理系統(tǒng)。 第5章介紹數(shù)據(jù)計算基礎，大數(shù)

Hive是大數(shù)據(jù)領域的一個重要開發(fā)工具。本書基于Hive3.1.3版本進行編寫，首先，簡單介紹了Hive的起源和發(fā)展，以及Hive的安裝和部署；其次，分別介紹了Hive的數(shù)據(jù)定義語言、數(shù)據(jù)操作語言、查詢語言，以及各種函數(shù)，其中穿插安排了大量的綜合案例練習；再次，講解了分區(qū)表和分桶表，以及文件的壓縮；最后，重點講解了Hi

本書針對多源多維數(shù)據(jù)的匯聚融合、數(shù)據(jù)安全體系以及征信體系闡述了相關研究成果，主要包括：原位虛擬大數(shù)據(jù)中心平臺體系、大數(shù)據(jù)感知與勘探技術、多源多維數(shù)據(jù)融合計算技術、基于多模型融合的信用評估技術、全生命周期的數(shù)據(jù)安全體系架構(gòu)與關鍵技術、數(shù)據(jù)安全體系架構(gòu)的測試與評估技術，以及基于信用評估的金融交易風險防控系統(tǒng)和多源多維大數(shù)據(jù)

本書從實用角度出發(fā)，圍繞Linux操作系統(tǒng)和Hadoop集群部署，從虛擬機安裝入手，結(jié)合典型項目和案例，較為全面地介紹了大數(shù)據(jù)開發(fā)技術平臺Hadoop及其生態(tài)系統(tǒng)的相關知識。主要內(nèi)容包括大數(shù)據(jù)技術中的Hadoop集群部署、HDFS、MapReduce、Hive、HBase和Sqoop等。全書所有知識點都結(jié)合具體的編程示

數(shù)據(jù)是數(shù)智時代的關鍵生產(chǎn)要素，通過高效有序的跨域流通過程可以實現(xiàn)其價值釋放。本書圍繞跨域數(shù)據(jù)治理，提出數(shù)據(jù)驅(qū)動的社會化信息系統(tǒng)構(gòu)建理論，梳理總結(jié)形成數(shù)據(jù)資源體系、服務支撐體系和業(yè)務應用體系的三層體系框架。在此基礎上，介紹跨域數(shù)據(jù)治理的三層體系框架中的關鍵技術突破，其中，數(shù)據(jù)資源體系著眼于實現(xiàn)以數(shù)據(jù)資源對象化為基礎的數(shù)據(jù)

在實際應用中,需要處理的數(shù)據(jù)常常具有類別不平衡的特點.例如,用于信用卡欺詐檢測、垃圾郵件過濾、機械故障診斷、疾病診斷、極端天氣預測預報等的數(shù)據(jù)都是類別非平衡數(shù)據(jù).研究非平衡數(shù)據(jù)分類問題具有重要意義和實際應用價值,引起機器學習領域研究人員的廣泛關注.本書結(jié)合作者團隊在非平衡數(shù)據(jù)分類中的研究成果,系統(tǒng)介紹非平衡數(shù)據(jù)分類的理

本書圍繞產(chǎn)品退化數(shù)據(jù)的統(tǒng)計建模問題，考慮實際中不同的退化環(huán)境與數(shù)據(jù)特點，包括產(chǎn)品的異質(zhì)性、使用環(huán)境的動態(tài)性、測量的隨機性等因素，發(fā)展了一系列基于Wiener隨機過程的退化模型。針對每一類模型，本書對模型的性質(zhì)、模型參數(shù)估計、模型驗證等方面問題進行了深入討論，并通過多種實際退化數(shù)據(jù)驗證所提模型的有效性。本書總結(jié)與發(fā)展了作