本书通过一系列硬件和软件的构建任务向读者介绍了计算机科学领域的基础知识。本书分为硬件和软件两个部分。硬件部分包括布尔逻辑、布尔运算、存储、机器语言、计算机体系结构、汇编器，软件部分包括虚拟机处理与控制、高级语言、编译器语法分析与代码生成、操作系统。通过学习本书，读者可以构造一台具备基本功能的计算机。在此过程中，读者可以深入理解计算机系统软硬件的协调工作机制和原理。

本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入大量的竞赛实例和解题技巧，可帮助读者熟练应用各种算法解决实际问题。本书总计8章。第1章讲解STL，涉及双端队列、优先队列、位图、集合、映射和STL中的常用函数；第2章讲解实用的数据结构，涉及并查集、倍增、稀疏表、区间最值查询、最近公共祖先、树状数组和线段树；第3章讲解查找算法，涉及散列表、字符串模式匹配和字典树；第4章讲解平衡树，涉及树高与性能、平衡二叉搜索树、树堆和伸展树；第5章讲解图论提高方面的知识，涉及连通图与强连通图、桥与割点、双连通

本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入了大量的竞赛实例和解题技巧，可帮助读者熟练应用各种算法解决实际问题。 本书总计9章。第1章讲解C++基础知识，涉及语法、数组、字符串、结构体和指针；第2章带读者感受算法之美，涉及算法复杂度、函数和递归；第3章讲解线性表的应用，涉及顺序表、链表、栈和队列，以及STL中的常用函数和容器；第4章讲解树的应用，涉及树、二叉树、二叉树遍历、哈夫曼树和二叉搜索树；第5章讲解图论基础，涉及图的存储和图的遍历；第6章带读者进行算法入门，涉及贪心算法和分治算法

本书是理论计算机科学方面的经典教材，主要讨论形式语言与自动机理论、可计算性理论和计算复杂性理论等内容。本书强调定义和定理的准确性和严谨性，但在形式化证明中又非常注重符合直觉的理解，避免多余的数学细节。本书分为理论和应用两个部分：理论部分主要介绍有穷自动机、正则语言和文法、上下文无关语言和文法、下推自动机、图灵机、形式语言和自动机的层次结构以及计算复杂性等内容，应用部分主要介绍编译器和解析、LL解析以及LR解析。

本书以Altera公司全新推出的Quartus Prime 18.1为设计平台，结合大量的实例来介绍基于Verilog HDL的FPGA/CPLD数字系统的设计方法。本书由浅入深地介绍了采用Quartus Prime 18.1进行数字系统开发的设计流程、设计思想和设计技巧。书中实例丰富，既有简单的数字逻辑电路实例、数字系统设计实例，也有复杂的数字控制系统设计实例。

本书介绍了超级计算机算力和AI算力的异同，从CPU流水线开始，描述主要的众核处理器架构和功能部件设计。在GPU和NPU等加速器部分，介绍了GPU为何能从单纯的图形任务处理器变成通用处理器。GPU在设计逻辑、存储体系、线程管理，以及面向AI的张量处理器方面成为最近几年全世界科技行业最瞩目的明星。本书对华为等厂商推出的NPU芯片设计也做了架构描述，中国也拥有独立自主知识产权的高算力芯片，并且支持多芯片、高带宽互连。本书也回顾了近20年来主流的CPU、GPU芯片架构的特点，介绍了存储与互连总

本书是关于计算机算法基础的权威指南。在本书中，作者提示了计算机如何通过算法解决问题。读者将理解什么是计算机算法，如何描述它们，以及如何来评估它们。这些计算机算法将提供：利用计算机搜索信息的简单方式；解决各种排序问题的方法；利用有向无环图和最短路径法来解决基本问题的方法(可用于建模公路网络，任务间的依赖以及金融关系；解决字符串(例如DNA结构)问题的方法；密码学背后的基本原理；数据压缩的基础知识；以及甚至一些没有人能够理解如何在计算机上用相当长的时间来解决的问题。

本书来源于课题组长期的工程实践积累，尤其是吸收了国家科技协同创新重大示范工程"XXXX仿真平台”的相关经验。从装备试验、模拟训练和作战评估等领域的分布互联实际应用需求出发，研究解决实现互联互通互操作的核心关键问题。重点围绕网络化联合仿真的时间同步问题进行论述，属于分布式仿真系统构建的核心问题，同时也是网络化联合仿真工程应用中的实际技术难点问题。首次从工程实践的角度出发，构建了完备的网络化联合仿真的时间同步技术体系，重点围绕逻辑时间协同推进、时钟时间对准、虚实之间协同推进等关键问题，给出了可行的解

人工智能领域认为，让计算机理解自然语言是人工智能皇冠上的明珠。要想让机器理解自然语言，必须做到让自然语言的语义成为可计算的形式化对象。预设是自然语言承载知识的重要环节，本书以预设投射问题为主线，梳理了语言学界和逻辑学界对预设问题研究的发展历程，最终在克里普克预设回指思想的引领下，运用国际前沿的分层话语表现理论、投射话语表现理论等语义框架，对复合语句预设的投射情况进行深入分析。本书对预设问题的探讨通过构造形式语义框架将包含预设的自然语言形式化为机器上可操作、可计算的数据语言，对自然语言信息处

本书针对缺陷样本稀少且样本搜集困难、缺陷检测算法模型多且检测成本高、缺陷类型繁多且检测场景复杂等问题提出了基于深度学习的技术解决方案，采用生成对抗网络、目标检测网络和迁移学习等最前沿的深度学习技术建立了完善的缺陷样本数据集，提高了缺陷检测的精度，并且对不同种类的缺陷检测快速地训练新模型。最后还介绍了一个多类型表面缺陷智能视觉检测Web在线系统。