本書由5個項目組成,內(nèi)容包括人工智能概述、新一代信息技術的應用、人工智能之自動識別技術、人工智能之Python語言、人工智能之機器學習。本書系統(tǒng)闡述人工智能的基本原理、實現(xiàn)技術及應用,全面地反映國內(nèi)外人工智能研究領域的進展和發(fā)展方向。 本書作為國家職業(yè)教育改革實施方案中倡導使用的新型活頁式教材,既可作為人工智能、信息處
本書以圖配文,通過大量照片和手繪插圖講解了機器人的構造和原理。全書共分為5章。第1章簡單介紹了機器人的概念;第2章將機器人分為移動型機器人和操作型機器人,介紹了機器人的形態(tài);第3章介紹了機器人的內(nèi)部組件,如傳感器、驅(qū)動器等;第4章介紹了目前實際存在的機器人種類;第5章簡單介紹了機器人的發(fā)展歷程。全書講解從工程學的專業(yè)角
本書以任務為導向,較為全面地介紹了不同場景下Python爬取網(wǎng)絡數(shù)據(jù)的方法。全書共分為7個項目,第1個項目介紹了爬蟲與反爬蟲的基本概念,以及Python爬蟲環(huán)境的配置,第2個項目介紹了爬取過程中涉及的網(wǎng)頁前端基礎知識,第3個項目介紹了在靜態(tài)網(wǎng)頁中爬取數(shù)據(jù)的過程,第4個項目介紹了在動態(tài)網(wǎng)頁中爬取數(shù)據(jù)的過程,第5個項目介紹
本書共包括6個項目:企業(yè)網(wǎng)絡需求調(diào)研分析、網(wǎng)絡布線、IP地址規(guī)劃與子網(wǎng)劃分、組建局域網(wǎng)、網(wǎng)絡設備應用與配置和架設Windows網(wǎng)絡服務器,主要講述計算機網(wǎng)絡概述、網(wǎng)絡體系結構、TCP/IP和IP地址、局域網(wǎng)技術、網(wǎng)絡互聯(lián)技術、網(wǎng)站的建設和配置等知識技能。本書既可作為高職高專、成人高校和應用型本科計算機專業(yè)、電子信息技術
對地觀測遙感技術、深度學習等先進技術快速發(fā)展,為陸地環(huán)境通行分析提供了空間數(shù)據(jù)與模型算法基礎。本書首先對陸地環(huán)境通行分析理論與方法進行介紹,詳細闡述陸地環(huán)境通行影響要素并構建陸地環(huán)境通行的指標體系,深入介紹陸地環(huán)境通行量化與評價分析模型,以及陸地環(huán)境通行要素與通行分析制圖理論技術與方法,詳細介紹陸地環(huán)境通行路徑規(guī)劃算法
本書從理論上論述非線性系統(tǒng)的全局能控性.主要介紹平面仿射非線性系統(tǒng)和幾類特殊的高維非線性系統(tǒng)的全局能控性判據(jù),以及幾類多項式系統(tǒng)全局能控性的判別算法.另外,本書也對平面仿射非線性系統(tǒng)的全局漸近能控性及全局鎮(zhèn)定性做一點討論.
魯棒預測控制是在預測控制的基礎上考慮到實際系統(tǒng)存在著模型不精確或者參數(shù)時變、未知擾動等各種不確定性而發(fā)展起來的先進控制技術。如何在魯棒預測控制的基礎上有效處理時變時滯對系統(tǒng)的影響成為工業(yè)過程控制亟待解決的問題。本書針對具有時變時滯的工業(yè)過程可能存在參數(shù)時變、強干擾、執(zhí)行器故障、非線性、多階段切換、時變跟蹤軌跡等問題,重
本書基于Python語言,結合實際的數(shù)據(jù)集,介紹了機器學習算法以及數(shù)據(jù)分析方法的應用。本書主要包含兩部分內(nèi)容,第一部分為Python機器學習入門知識:主要介紹了Python的基礎內(nèi)容、Numpy與Pandas庫數(shù)據(jù)操作、Matplotlib與Seaborn庫數(shù)據(jù)可視化、Sklearn庫機器學習,以及與機器學習相關的基礎
從解決工作實際問題出發(fā),提煉總結工作中Excel常用的數(shù)據(jù)處理、數(shù)據(jù)分析實戰(zhàn)方法與技巧。本書大量融入漫畫,力求通俗易懂地介紹相關知識,在不影響學習理解的前提下,盡可能地避免使用晦澀難懂的Excel公式、統(tǒng)計術語或模型公式。定位是帶領Excel數(shù)據(jù)分析初學者入門,并能解決學習、工作中大部分的問題或需求。入門后如還需要進一
本書介紹機器人綜合設計與實踐的相關內(nèi)容,是一本將串聯(lián)型機器人技術、并聯(lián)型機器人技術、移動機器人技術有機集成的教材。本書主要運用機器人的智能感知技術、自主定位與導航技術、運動與控制技術、控制系統(tǒng)與元件等知識內(nèi)容,設計、構建并實現(xiàn)具備完整避障作業(yè)的機器人系統(tǒng),旨在指導學生將機器人理論知識應用于設計與實踐環(huán)節(jié),增強學生對新知