本书延续前几版的目标,涵盖抽象代数导论课程需要了解的所有主题。新合著者尼尔·布兰德仔细而又认真地修订了这本经典教材,根据其使用本教材的多年授课经验,对其内容进行了有意义的和有价值的更新。本书为学生提供了坚实的基础,并且通过对每种方法详细解释这种方法是做什么的,如何做,以及为什么作者会选择这种方法,可以帮助读者更入地了解代数。本版还包括一些抽象代数的应用,如RSA加密和编码理论,以及应用Gr?bner基础的例子。
本书由2017年图灵奖得主Patterson和Hennessy共同撰写,是计算机体系结构领域的经典书籍,强调软硬件协同设计及其对性能的影响。本书采用开源的RISC-V指令系统体系结构, 讲解硬件技术、指令、算术运算、流水线、存储层次、I/O以及并行处理器等。第2版将RV64切换为RV32以降低学习难度,新增关于领域定制体系结构(DSA)的讨论以反映新的技术趋势。此外,每一章都增加了“性能提升”和“自学”章节,并更新了大量练习题。本书适合计算机体系结构领域的专业技术人员参考,也适合高等院校计算机相关专业的学生阅读。
本书源于斯坦福大学的相关课程,主要介绍不确定状态下的决策算法,涵盖基本的数学问题和求解算法。本书共分为五个部分:首先解决在单个时间点上简单决策的不确定性和目标的推理问题;然后介绍随机环境中的序列决策问题;接着讨论模型不确定性,包括基于模型的方法和无模型的方法;之后讨论状态不确定性,包括jing确信念状态规划、离线信念状态规划、在线信念状态规划等;zui后讨论多智能体系统,涉及多智能体推理和协作智能体等。本书主要关注规划和强化学习,其中一些技术涉及监督学习和优化。书中的算法是用Julia编程语言实现的,并配有大量图表、示例和练习题。本书要求读者具备扎实的数学基础,适合计算机科学、数学、统计学、电气工程、航空航天等领域的读者阅读。
本书是一本以数据分析为基础的面向统计学、数据科学等专业的统计学著作。本书的宗旨是为每个人提供数据分析方法,为了降低阅读门槛,几乎不涉及高等数学推导。通过本书的学习,你将学会批判性地思考数据,交流你的发现,并仔细评估他人的论点。 本书内容十分丰富,设置精心,书中提供了大量的案例、示例、图、表、技术提示以及重点和难点警示标签等,并通过T1-84图形计算器、Excel、Minitab和StatCrunch展示了大量实际应用。每章末配有数据项目、本章回顾练习和练习指导。主要内容包括:数据导论、图形可视化变异、中心和变 异的数值汇总统计量、回归分析、概率、随机事件概率模型、调查抽样与推断、总体比例的假设 检验、推断总体均值以及分类变量研究与科研文献阅读。
本书是权威的计算机体系结构著作,是久负盛名的经典作品。书中系统地介绍了计算机系统的设计基础、指令集系统结构、流水线和指令集并行技术、层次化存储系统与存储设备、互连网络以及多处理器系统等重要内容。这一版新增一章,专门介绍领域专用体系结构。本书对近些年火热的云计算、手机客户端技术、人工智能等相关内容也有涉猎。 本书既可作为高等院校计算机专业本科生或研究生教材,也可作为从事计算机体系结构或计算机系统设计的工程技术人员的参考书。
本书由2017年图灵奖的两位得主撰写,是计算机体系结构领域的经典教材,每年被超过40000名学生使用。新版的主要更新是在每章中添加了关于DSA的内容,并更新了所有实例,使全书更加与时俱进,满足学生和读者的新需求。
本书内容详实,结构严谨,侧重于介绍优化理论在实际生活中的应用,是学习优化理论不可多得的入门教材。读者将从本书中学到如何识别、简化、建模以及求解相关优化问题,并将其中暗含的基本原理应用到自己正在进展的项目中。本书对线性代数做了清晰而完整的介绍。通过引入相关的实际案例,以易于理解且形象的方式给读者展示核心的数学概念,并帮助其领会问题的实际意义。阅读本书不需要太多的预备知识,读者只需要对几何学、微积分学和概率统计学有一个基本的了解。本书可用于本科生或研究生优化理论学习的教材。
本书适用于拥有工程学或物理科学专业的本科学位或广泛课程并希望加深对应用数学基本主题的理解的学生。书中介绍的方法构成了工程和物理科学分析的核心。读者将学习研究中需要的解决方案、技术和方法。例如,他们将能够了解用于解决技术问题的各种科学软件包背后的基础知识(例如,描述复杂结构的固体力学的方程式或短期天气预报和长期天气预报的流体力学方程式气候变化),这对于成功使用此类法规至关重要。详细而众多的工作问题有助于确保对应用数学进行清晰而有节奏的介绍。每章末尾的计算挑战性问题为学生提供了动手学习的机会,并有助于确保对概念的掌握。
本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用,涵盖图神经网络的广泛主题,从基础到前沿,从方法到应用,涉及从方法论到应用场景方方面面的内容。全书分为四部分:部分介绍图神经网络的基本概念;第二部分讨论图神经网络成熟的方法;第三部分介绍图神经网络典型的前沿领域;第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。 本书适合高年级本科生和研究生、博士后研究人员、讲师以及行业从业者阅读与参考。
本书全程图解式讲解,通过大量全彩插图拆解概念,让读者真正告别学习大模型的枯燥和复杂。 全书分为三部分,依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型(第1~3章),解析语言模型的核心概念,包括词元、嵌入向量及Transformer架构,帮助读者建立基础认知。第二部分 使用预训练语言模型(第4~9章),介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展,提升模型的应用能力。第三部分 训练和微调语言模型(第10~12章),探讨大模型的训练与微调方法,包括嵌入模型的构建、分类任务的优化及生成式模型的微调,以适应特定需求。 本书适合对大模型感兴趣的开发者、研究人员和行业从业者。读者无须深度学习基础,只要会用Python,就可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在
本书通过鲁棒优化的核心原理和应用,揭开不确定性的神秘面纱,为读者提供应对不可预测的挑战所需的见解和工具。作者首先简要介绍了不确定线性规划,然后深入分析了适当不确定性集的构建与经典机会约束(概率)方法之间的相互联系。接着,提出了针对不确定的锥二次优化和半定优化问题以及动态(多阶段)问题的鲁棒优化理论。最后,通过来自金融、物流和工程等不同领域的真实案例研究说明了鲁棒优化的多功能性和相关性。本书是从事不确定性优化和决策工作的人员的书籍,也是该方向很好的研究生教科书。
涵盖2021年CISSP所有考点,是您的一站式学习手册,助您更灵活、更快捷地准备CISSP考试。本书编排得当,内容详实,包含可供个人评估备考进展的测试、目标地图、书面实验题、关键考点以及富有挑战的章节练习题。开始使用本手册准备CISSP考试吧。 涵盖全部考试目标 ? 安全与风险管 理 ? 资产安全 ? 安全架构与工程 ? 通信与网络安全 ? 身份和访问管理 ? 安全评估与测试 ? 安全运营 ? 软件开发安全
本书是数理统计方面的经典教材,从数理统计学的初级基本概念及原理开始,详细讲解概率与分布、多元分布、特殊分布、统计推断基础、极大似然法等内容,并且涵盖一些高级主题,如一致性与极限分布、充分性、优假设检验、正态模型的推断、非参数与稳健统计、贝叶斯统计等.此外,为了帮助读者更好地理解数理统计和巩固所学知识,书中还提供了一些重要的背景材料、大量实例和习题.本书可以作为高等院校数理统计相关课程的教材,也可供相关专业人员参考使用.
本书主要讲解分布式机器学习算法和开源框架,读者既可以从宏观的设计上了解分布式机器学习的概念和理论,也可以深入核心技术的细节设计中,对分布式机器学习形成深刻而直观的认识,做到学以致用。 本书共分为5篇,第1篇是分布式基础,首先介绍了分布式机器学习的概念、基础设施,以及机器学习并行化技术、框架和软件系统,然后对集合通信和参数服务器PS-Lite进行了介绍。第2篇是数据并行,以PyTorch和Horovod为主对数据并行进行分析,读者可以了解在具体工程领域内实现数据并行有哪些挑战和解决方案。第3篇是流水线并行,讲解了除模型划分之外,还通过引入额外的流水线来提高效率,以GPipe / PyTorch / PipeDream为例进行分析。第4篇是模型并行,首先对NVIDIA Megatron进行分析,讲解如何进行层内分割模型并行,然后讲解PyTorch 如何支持模型并行,最后介绍分布
本书包括概率论、数理统计两部分,涉及条件分布、期望、大样本理论、估计、假设检验、非参数方法、线性统计模型、统计模拟等,内容取材比较时尚新颖。新版不但重写了很多章节,还介绍了在计算机科学中日益重要的Chernoff界,以及矩方法、Newton法、EM算法、枢轴量、似然比检验的大样本分布等方面的知识,将目前研究前沿的一些问题深入浅出地融人教材。书中内容丰富完整,适当地选择某些章节,可以作为一学年的概率论与数理统计课程的教材,亦可作为一学期的概率论与随机过程的教材。适合数学、统计学、经济学等专业高年级本科生和研究生用,也可供统计工作人员用作参考书。
本书旨在用极少的数学基本思想、概念和方法,处理大量的应用问题。全书分为三部分,第壹部分介绍向量及各种向量运算和函数,如加法、内积、距离及夹角,还描述了在应用问题中如何使用向量表示文档的单词计数、时间序列、患者的属性、商品的销售、音轨、图像或投资组合;第二部分对矩阵做了类似的介绍,并介绍了矩阵的逆和求解线性方程组的方法;第三部分介绍*小二乘法。本书展示了求解一组超定方程组简单而又自然的思想,并将这一思想加以推广,以求解很多应用问题。
本书系统地介绍了语音识别的原理与应用。全书共15章,原理部分涵盖声学特征、隐马尔可夫模型(HMM)、高斯混合模型(GMM)、深度神经网络(DNN)、语言模型和加权有限状态转换器(WFST),重点描述了GMM-HMM、DNN-HMM和端到端(E2E)三种语音识别框架;应用部分包含Kaldi、ESPnet、WeNet和工业应用实践介绍,内容主要来自工程经验,极具实用性。 本书可以作为普通高等学校人工智能、计算机科学与技术、电子信息工程、自动化等专业的本科生及研究生的教材,也适合作为从事智能语音系统的科研人员和工程技术人员的参考书。
本书是在“高等微积分”的水平上阐述数学分析中的论题,提供了从初等微积分向实变函数论及复变函数论中的高等课程的一种过渡,而且介绍了某些涉及现代分析的抽象理论.内容既涵盖我国大学的数学分析课程的内容,又包括勒贝格积分及柯西定理和留数计算等.本书条理清晰,内容精练,言简意赅,适合作为高等院校本科生数学分析课程的教材.
本书是计算机组成与体系结构方面的经典教材,不仅清晰、完整地介绍了现代计算机系统的本质和特征,深入探讨计算机组成与体系结构中的知识,而且将这些知识与当代计算机的设计问题联系起来。同时,关注计算机系统的性能特征,介绍如何从设计的角度实现高性能。 在保持本书一贯特色的基础上,第11版做了如下改动: 多芯片模块 :第1章增加了对多芯片模块(MCMs)的讨论 SPEC 基准 :第2章中对 SPEC 的描述已经更新,以涵盖新的SPEC CPU2017基准套件 存储器层次结构 :关于存储层次结构的一章扩展了cache存储器方面的内容,并对高速缓存章节做了大量更新和修订 内部存储器和外部存储器 :在内存的章节中包括了对越来越流行的电子数据存储器的介绍,在外部存储器的章节中增加了对现在广泛使用的4k扇区硬盘格式的讨论 汇编语言: 关于汇编语言的处理已
本书从多维数组Tensor开始,循序渐进地介绍PyTorch各方面的基础知识,并结合深度学习中的经典应用,带领读者从零开始完成几个经典而有趣的实际项目,包括动漫头像生成、风格迁移、自动写诗以及目标检测。本书还介绍了PyTorch的几个高级扩展,包括向量化计算、分布式加速以及CUDA扩展。本书既适合深度学习的初学者及次接触PyTorch的研究人员阅读,也适合有一定PyTorch使用经验的用户阅读,帮助他们建立对PyTorch的基本认识,提高使用PyTorch框架解决实际问题的能力。
本书依托科技创新2030 新一代人工智能 重大项目 人在回路的大电网调控混合增强智能基础理论 (2018AAA0101504)而撰写,介绍了基于人机混合智能的高动态系统调控理论方法、含新型人机智能接口的多源异构数据和知识处理关键技术,以及人机混合智能调控系统智能水平评估和自主进化理论方法与平台研发,并给出了混合智能在高动态系统中的管控机制、交互途径、趋优方法及部署架构;通过丰富案例展示理论技术的实现路径,构造人机混合智能在高动态系统调控中的系统工程方法和实施范式,为人机混合智能在高动态系统调控业务中的科学研究以及工程应用提供体系化指导。本书可作为企业、科研单位、高校等社会各界了解、学习、应用工业互联网前沿管控技术的重要参考书。
继MIPS版和ARM版之后,本书与时俱进地推出了RISC-V版,将其作为核心处理器来介绍计算机体系结构的基本概念,涵盖数字逻辑设计的主要内容,并通过RISC-V处理器的设计强化数字逻辑的概念。书中采用一种独特的现代数字设计方法,先介绍数字逻辑门,接着讲述组合电路和时序电路的设计,并以这些基本的数字逻辑设计概念为基础,重点介绍如何设计实际的处理器。本书不仅反映了当前数字电路设计的主流方法,而且突出了计算机体系结构的工程特点。此外,大量示例及习题也可以加强读者对概念和技术的理解。本书适合高等院校计算机相关专业的学生阅读,也适合从事处理器设计的技术人员参考。