本书共分为10章，主要内容包括概述、传感器的一般工作特性及其校准、常用传感器的工作原理、传感器信号调理与处理、参数检测、传感器智能化的实现、几种新型智能传感器及应用、智能技术在传感器中的应用、通信功能与总线接口、智能传感器的设计与应用。
本书内容紧贴化工、钢铁等行业的岗位工作过程，介绍了压力、流量、物位、温度四类检测仪表选型与维护，控制器与执行器的使用，以及单回路控制系统、复杂控制系统的装调等，重点突出完成工作任务需要的知识技能，缩减纯理论的分析。本书以工作任务为载体，理论知识与技能操作相结合，项目从单一到整体，结构紧凑；采用图表形式展示内容，生动形象；引入企业案例、故障分析排除等内容，贴合生产实际。学习者依次完成引导题、工作任务、练习题，巩固学习内容后，以项目考核来评价能力达成情况，以完成学习目标。本书配套视频微课，扫描
本书提出了一种基于形式化模型的严密的系统设计方法，阐述了严密系统设计方法的基本原理，介绍了严密系统设计框架BIP的建模语言、形式语义及其工具链。自主系统作为人工智能技术应用落地的重要形态，讨论了自主系统设计的趋势和挑战，阐述了一种集成模型驱动方法与数据驱动方法的思路，并提出了一种新的基于替换测试的智能测试方法，用以判断自主系统在完成多种不同类型任务方面的智能水平。
《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》主要介绍了连续和离散时间域的两级反馈控制器设计算法，包括一般线性时不变动态系统的设计公式和代数方程，对双时间尺度线性时不变动态系统（奇异摄动系统）进行了简化和专门研究，对一般线性时不变动态系统的连续时间域三级反馈控制器设计也作了相应的介绍．《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》讨论了离散时间域三级三时间尺度系统线性反馈控制器以及四级四时间尺度线性反馈控制器设计．《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》
本书从欠驱动机械臂动力学建模和运动特性分析入手，详细介绍垂直欠驱动机械臂、平面欠驱动机械臂、柔性机械臂的控制策略等内容。全书共6章：第1章是绪论，介绍欠驱动机械臂的构型，回顾欠驱动机械臂的控制与优化设计方法。第2章建立欠驱动机械臂的运动学与动力学模型，分析欠驱动机械臂的运动特性。第3章提出垂直欠驱动机械臂的控制与优化设计方法，实现垂直欠驱动机械臂的摇起与平衡控制目标。第4章给出第一关节为被动的平面欠驱动机械臂（具有一阶非完整约束）的控制与优化设计方法。第5章介绍第一关节有驱动器的平面欠驱动机械臂
本书基于全国信息安全标准化技术委员会大数据安全标准特别工作组的工作，是一本关于数智安全与标准化的专业教材，旨在使读者在学习大数据、人工智能等数智技术与应用的同时，了解数智技术和应用的前沿以及相应的安全问题，理解数智安全与业务拓展和技术发展的伴生特性，掌握数智安全和标准化的基本知识，建立未来数智化所必须的安全发展意识、安全风险意识和技术安全意识。本书共分为17章，从法律合规、安全风险管理、网络系统安全、检测评估认证、个人信息安全、数据安全、人工智能安全、数智安全监管治理、数字经济发展等多个角
本书围绕大数据预处理业务背景及相关技术，以学习情境的方式，首先介绍了使用 Python、Pandas对各种数据源的读写，然后介绍了数据的清洗、集成、规约、变换四个处理数据方式，最后介绍了使用Kettle工具和MapReduce编程对数据进行处理的技术，通过理论结合实际、循序渐进的学习方式，让读者学习并掌握大数据预处理技术及应用。本书理论分析相对较少，侧重动手实践，适合应用型本科、高职高专大数据技术专业学生和希望快速进入大数据领域的读者参考使用。
本书系统介绍了Spark大数据处理框架以及相应的主流开发语言Scala。全书共14章,内容包括Scala基本概念和基本用法，Scala字符串和数组，Scala控制结构，Scala列表、元组、集合和映射，Scala函数，Scala面向对象编程，Spark大数据处理框架、Spark RDD编程，Windows环境下的Spark综合编程，用Spark SQL处理结构化数据，Spark Streaming流处理，Spark Structured Streaming流处理，Spark GraphX图计算，
《Spark性能优化实战：突破性能瓶颈，遨游数据重洋》全面、系统、深入地介绍Apache Spark性能优化的相关技术和策略，涵盖从Spark性能优化的基础知识到核心技术，再到应用实践的方方面面。本书不但系统地介绍各种监控工具的使用，而且还结合实战案例，详细介绍Spark性能优化的各种经验和技巧，提升读者的实际应用技能。《Spark性能优化实战：突破性能瓶颈，遨游数据重洋》共8章。第1章从性能优化的基本概念出发，介绍Spark的基础知识，并介绍如何进行性能优化；第2章介绍Spark性能优
本书对数据挖掘的基本算法进行了系统介绍，不仅介绍了每种算法的基本原理，而且配有大量例题以及源代码，并对源代码进行了分析。这种理论与实践相结合的方式有助于读者较好地理解和掌握抽象的数据挖掘算法。 全书共11章，内容涵盖了数据预处理、关联规则挖掘算法、分类算法和聚类算法，具体章节包括绪论、数据预处理、关联规则挖掘、决策树分类算法、贝叶斯分类算法、人工神经网络算法、支持向量机、Kmeans聚类算法、K中心点聚类算法、神经网络聚类算法：SOM，以及数据挖掘的发展等内容。 本书可作为高等院校数据
新书资讯 新书推荐