机动目标跟踪在军事和民用领域均有重要应用,例如导弹防御、空中交通管制、移动机器人定位导航等。目标运动模式的随机性、多样性和复杂性使得采用单一、固定的运动模型难以描述目标所有可能的运动模式,将目标运动模式的变化描述为多种运动模型之间的切换成为机动目标跟踪的重要方法。《机动目标跟踪的多模型滤波理论与方法(MATLAB版)》聚焦为随机跳变系统的机动目标跟踪问题建模,将机动目标跟踪转化为随机跳变系统的多模型自适应滤波问题加以解决,并且结合不同跟踪场景遇到的问题,介绍了几类多模型自适应滤波方法,以及如何在多传感器分布式跟踪场景中将多模型自适应滤波进行分布式实现,进一步在随机有限集框架下介绍了如何将多模型自适应滤波方法与概率假设密度结合来跟踪时变数目的机动目标,*后介绍了多模型自适应滤波在运动
本书从分析二次、三次、四次多项式方程求解过程开始,通过从两个角度观察它们的求解过程,抽象出核心数学概念 域 和 群 。接着,仍以方程求解过程为对象,围绕 域 和 群 ,按数学方式进行提炼和抽象:发明 域 和 群 的数学运算,建立它们的对应关系,从而清晰地看到了高次方程不可根式求解的机理。不仅如此,本书还分析指出:微积分、复变函数、甚至诗歌、绘画,其创造过程与群论创建一脉相承,从而在更广泛意义上,揭示抽象的力量,抽象的化繁为简之美。本书宗旨就是希望通过重温或虚构群论发明的抽象过程,展示群论思想及其抽象的力量,揭示创造力的根源,启迪对教育宗旨和内涵的再思考、再定义。本书可作为中学生和大学生的素质教育教材,也可供对数学、思想、创造力、教育等领域感兴趣的读者参阅。
全书主要内容包括计算机基础知识、Windows 7操作系统、Word 2010文字处理软件、Excel 2010电子表格制作软件、PowerPoint 2010电子演示文稿制作软件、局域网和Internet应用。 本书以能力培养为目标,以工作过程为导向,以 做中学 为手段,进行了一体化设计。从案例入手,将计算机应用基础的相关知识恰当地融入到案例的分析和制作过程中,图文并茂、深入浅出、通俗易懂,符合学生思维的构建方式,使学生在学习过程中不仅能掌握独立的相关知识,而且能培养他们综合分析问题和解决问题的能力。全书采用案例方式安排教学内容,注重实用性和可操作性,有助于提高学生计算机应用操作能力。
本书围绕国产计算机行业的具体技术展开论述,内容安排如下:第一章重点描述国内外计算机行业的发展现状,第二章重点介绍国产计算机的基础硬件发展情况,第三章重点介绍国产计算机的基础软件发展情况,第四章介绍国产计算机的应用软件发展情况,第五章介绍国产自主可控的云计算技术,第六章介绍国产自主可控的大数据技术,第七章介绍国产自主可控的物联网技术,第八章介绍国产自主可控的人工智能技术,第九章介绍国产自主可控的区块链技术。第十章是总结。
本书针对计算机相关专业对数学课程的需求编写而成,共分为6章,详细讲述了包括算法基础、向量与矩阵、图形变换的矩阵方法、线性方程组、图与网络分析、树、MATLAB入门等内容。本书在内容的选取上遵循“应用导向,必需够用”的原则,以计算机图形变换实现、Google网站排名算法、网络分析中的短路算法、小连接算法、数据挖掘中的决策树算法等为应用背景,重点介绍了工科学科中不可缺少的数学工具——向量、矩阵和线性方程组,充分体现了为计算机相关专业服务的理念。本书可作为高等院校计算机相关专业的数学教材,也可供工科技术人员参考。
本书分为六部分:第1章介绍大学计算机基础教学的现状与发展趋势;第2章介绍计算思维与大学计算机基础教学;第3章介绍大学计算机基础教学目标和内容体系;第4章介绍大学计算机基础教学课程体系;第5章介绍教学质量保障体系;附录部分含有14个典型课程实施方案介绍。 本书对广大高校开展计算机基础教学工作,进行教学改革具有一定的指导作用。
如果恐龙时代有AI,小行星撞地球可以被提前预测? AI的体育教练,能够迅速发现下一个“梅西”在地球的哪里? 当你的小狗生病,AI能够迅速做出诊断?不会画画,也能够创作出心目中的作品?《AI工作大揭秘》是由前因特尔首席工程师、未来科学家执笔,写给小学生AI入门科普书,告诉孩子AI到底会在哪些方面帮助人类,让孩子了解,AI不仅是CHATGPT、DEEPSEEK、机器人助手……更是你改变生活、改变世界的工具。
本书为1 X职业技能等级证书系列教材之一,根据《WPS办公应用职业技能等级标准》中的WPS办公应用职业技能等级要求(高级)编写,主要用于WPS办公应用1 X证书的高级认证相关培训工作。 本书以WPS办公应用1 X职业技能等级证书考试版本为平台,详细介绍WPS Office 2019办公软件及应用,包括WPS文字、WPS演示、WPS表格和WPS协作办公等多个模块,内容主要涉及WPS文字的高级应用、创意演讲文稿制作、数据表格的可视化和协作办公等相关技能知识点及实例操作。本书主要面向企事业单位专职文员或技术岗位团队协作的需要,能够实现在线团队协作办公、创意型演示文稿的创作与演讲,以及应用数据表格对数据进行可视化处理并打印。 本书配有视频、课程标准、教学设计、授课用PPT、案例素材等丰富的数字化学习资源,学习者可以登录Abook网站(http://abook.hep.com.cn/sve)进行数
本书结合云计算系统建设中的IAAS(基础设施即服务)运维各岗位所需的技能要求,采用以成果为导向,基于工作过程,结合项目导引、模块组合、任务驱动的方式进行编写。本书首先介绍了云计算系统项目的建设需求,并以此为项目导引,以云计算系统建设过程为主线,按照项目立项、项目设计、项目实施、项目测试与演练的建设流程分为四个教学项目。每个教学项目均做到工作过程和学习过程一体化,企业环境与教学环境一体化。在教学培训过程中,建议以“项目案例”作为课程导引,“需求分析”引出项目建设中所需的知识点,“技术交底”为知识点的基础剖析,“技术解析”为知识点的深入剖析,以夯实基础知识,可作为高职教育中的相关专业学习,也可作为企业新员工培训、从业人员的案头手册。
书是ROS智能机器人控制理实一体化教学配套实践教材,面向新型工业化时期智能及高端装备制造领域,结合新工科复合型专业技术人才综合能力培养的教学诉求,并融入作者十余载对基于ROS(Robot Operating System,机器人操作系统)的移动机器人开发实践及教学经验编写而成。全书共分为十个实验,从对移动机器人系统的基本认知开始,逐步深入到基于ROS的各类实践应用,整体遵循由浅入深、由基础到应用的逻辑顺序。具体而言,包括了机器人的基本组成、工作原理、ROS的基本操作和编程方法、读取传感器数据、控制机器人底盘运动等基础实践,同时还有机械臂物料搬运、移动机器人的视觉导引、视觉分拣、SLAM建图以及自主导航等高级应用实践,最后通过移动机器人码垛综合应用的实践展示了ROS在实际工业生产中的应用效果。本书为内容丰富、结构清晰、实用性强的
本书是与《大学计算机基础(Windows 7 Office 2010)(第3版)》配套使用的实验指导书,全书分为上机实验和附录两大部分。上机实验部分包含了Windows 7操作系统、文字处理软件Word 2010、电子表格软件Excel 2010、演示文稿软件PowerPoint 2010、计算机网络与Internet应用。与配套教材相呼应,本实验教材不仅包含了相当一部分的计算机二级考试知识点,还与行业应用挂钩,设计的实例兼顾了综合性和实用性。实验内容循序渐进、由浅入深,便于学生在学习过程中自主地完成实验任务。每一章都包括知识要点、基础性实验和提高性实验。每个实验后面都提供了操作练习,通过操作练习增强学生动手能力和应用能力的培养。附录A给出了与配套教材各章节内容密切相关的练习题,作为课后的书面复习材料,加强学生对计算机的基础知识和主要概念的理解。附录B是计算机等级考试一级M
本书依托华为软件开发云,从软件全栈工程师的视角引入了DevOps实践所需要的技术,重点讲解系统规划、需求分析、敏捷管理、配置管理、代码检查、编译构建、自动测试、部署发布、流水线等内容,全面且系统地阐述了信息系统建设的基本理论和方法。 全书采用 基础知识 核心应用 综合案例 企业实践 的结构和 由浅入深,由深到精 的模式进行讲解,使学习者能够达到中级软件架构师的水准。通过书中实践,学习者能够体验到真实的企业生产环境,掌握产品经理与项目经理应具备的技能知识点,以及具备云服务开发的基本能力。本书配有Mooc资源,可供教学和自学使用。 本书可作为高等学校软件工程等专业相关课程的教材,也可供软件开发人员作为学习参考。
本书是设计模式实验教程和习题集,包含完整的设计模式实验指导和丰富的练习题,为设计模式课程的教学和学习提供有力支撑。全书分为两个部分,共11章。第1部分为设计模式课程实验,从第1章至第5章,内容包括面向对象设计原则实验、创建型设计模式实验、结构型设计模式实验、行为型设计模式实验和设计模式综合实验。第2部分为设计模式习题及解析,从第6章至第11章,内容包括面向对象设计原则习题及解析、创建型设计模式习题及解析、结构型设计模式习题及解析、行为型设计模式习题及解析、设计模式综合习题及解析和设计模式综合模拟试题及解析。本书既可作为各类高等院校计算机及软件相关专业本、专科生和研究生设计模式课程的实验教材和教学辅导用书,也可作为全国计算机技术与软件专业技术资格(水平)考试辅导用书和软件架构师、软件工程
本书面向新工科教育,以计算思维为指导、以程序设计为主线、以智能搜索应用为背景、以提高程序实践技能为目的组织编写,并采用标准C语言编写程序。同时以人工智能状态空间和产生式系统问题求解为背景,从盲目与启发式、局部与全局、递推与递归、可回溯与不可回溯、*与随机、个体与群体等多个维度对比介绍搜索算法。以问题为出发点,问题驱动贯穿全书,各章节依次从浅到深、从易到难递进介绍,并通过模块化程序实例,增强内容的可读性和可理解性。 本书可以作为本科生C语言课程设计用书,或人工智能导论参考书。通过对本书的学习,使读者不仅可以提高C语言编程和数据结构应用能力,而且可以掌握人工智能基于搜索策略的若干问题的基本求解方法。
如果恐龙时代有AI,小行星撞地球可以被提前预测? AI的体育教练,能够迅速发现下一个“梅西”在地球的哪里? 当你的小狗生病,AI能够迅速做出诊断?不会画画,也能够创作出心目中的作品?《AI工作大揭秘》是由前因特尔首席工程师、未来科学家执笔,写给小学生AI入门科普书,告诉孩子AI到底会在哪些方面帮助人类,让孩子了解,AI不仅是CHATGPT、DEEPSEEK、机器人助手……更是你改变生活、改变世界的工具。
《大学计算机基础与应用(配套练习与实验操作)》是与《大学计算机基础与应用》配套使用的辅助教材,根据***非计算机专业计算机基础课程教学指导分委会提出的 白皮书 中有关 大学计算机基础 课程的要求编写的。全书分为综合练习和综合实验两部分。在综合练习中,编写了各章的测试题,帮助学生巩固所学的知识,提高综合应用能力;在综合实验中,根据教学要求和不同专业的特点安排了大量丰富、实用的实验,每个实验由实验目的、实验任务和部分任务操作提示3部分组成。 《大学计算机基础与应用(配套练习与实验操作)》适合普通高等院校应用型本科(含专科、高职类)各专业的学生作为教材使用,也适合作为普通读者学习计算机操作的参考书。
本书是新一代人工智能实践系列教材之一,从理论基础、平台框架、网络模型和模型优化4个方面重点阐述深度学习技术的基础与实践。本书分为4篇8章内容,包括深度学习概述、深度学习原理、深度学习框架、MindSpore实践、卷积神经网络、模型优化与强化学习实战。 本书可作为人工智能专业、智能科学与技术专业以及计算机类相关专业的本科生及研究生学习深度学习技术的教材,同时也适用于经济、管理等商科专业需要数据计算的学生,以及希望通过自学认证的深度学习工程师的人员。
模式识别是人工智能的重要分支,其理论建立在矩阵论、概率论与数理统计等基础知识之上,其技术在人机交互、自动驾驶、工业制造、医学工程,以及基因技术等方面都发挥着重要作用,具有典型的理论性与实践性紧密结合的特点。本书涵盖统计决策论、线性分类器、概率密度函数估计等基础知识点,注重公式推导,同时将经典算法与前沿技术应用结合起来进行介绍,全书内容共分为13章:绪论、模板匹配、基于统计决策的概率分类方法、线性判别函数、非线性鉴别函数、特征选择与提取、统计学习理论及SVM、聚类分析、模糊模式识别法、句法模式识别、人工神经网络、深度学习,以及深度学习在生物特征识别领域的应用。 本书内容系统、案例丰富、阐述翔实,适合作为高等院校自动化类、计算机类、人工智能类等专业本科生、研究生的教材和教学参考书,也可
本书为中等职业教育国家规划教材,以*颁布的"计算机原理 课程教学大纲为依据编写。本书以计算机基本原理为重点,其主要内容包括数字设备中数和字符的表示方法、计算机系统的组成、中央处理单元、存储系统、总线系统、输入/输出系统和常见外部设备。本书是由长期从事一线教学的中、高职教师编写的,具有简单易懂、适应性强的特点。本书既可作为中职教材,也可供初学者使用。为方便教学,本书还配有电子教学参考资料包。
本书是《计算机应用基础》配套的学习指导教材。首先,书中梳理了教材《计算机应用基础》的核心知识点,形成了一个完整的知识学习体系。搭配的习题紧扣知识点,难度适中,解析全面详尽,既有助于读者巩固所学知识,又有助于提升应试能力。其次,本书还通过丰富的实验内容帮助读者将所学知识应用于实际操作中,实验步骤清晰,图文并茂,有助于读者更好地理解和掌握计算机应用技能。最后,本书还与全国等级考试考核有机结合,附有模拟试卷和参考答案,为顺利通过等级考试打下坚实基础。本书突出资源建设与使用,激发读者的学习兴趣,真正做到学以致用。本书可作为高等院校计算机应用的教材。
本书使用协议分析软件,在多个TCP/IP典型应用场景中对网络数据帧进行捕获、筛选和分析,通过协议分析软件来理解ARP、ICMP、IP、IPSec、路由、TCP和HTTP等关键协议,掌握协议中对于网络诊断和网络安全具有重要意义的协议字段。通过本书的学习,读者能够将计算机网络协议理论和应用实践进行结合,理解协议的本质和协同运作的基本流程,构建扎实的计算机网络协议基础。
本书作为机器学习的入门书,涉及机器学习基础知识的各方面内容。对于常用的算法,本书首先介绍其基本思想和具体实现步骤,然后讲解其在具体案例中的应用,让读者对算法有一个直观的认识。 本书共包含11章内容,具体安排为:第1章讲解机器学习的基础知识;第2~6章讲解监督学习中常用的分类算法;第7章讲解监督学习中常用的回归算法;第8章介绍神经网络,其既可以用于分类,又可以用于回归;第9~10章讲解无监督学习中的常用算法;第11章介绍通过降维技术来简化数据。 本书可以作为高等院校计算机相关专业的本科生教材。