本书共8章。第1章介绍场景语义解析的研究背景及基本概念, 评述了国内外在该领域的研究现状与技术瓶颈。第2-6章详细介绍作者针对场景语义解析任务的核心研究成果, 包括网络信息流传递机制、空间多尺度特征学习、频域下高效知识表征、幅-相感知与高分辨率语义生成、模型训练动态优化等前沿方法。第7章通过多个典型真实场景案例的应用与分析, 展示这些技术在自动驾驶、智能监控等多个领域的应用价值和推广意义。第8章总结全书, 并展望场景语义解析技术的发展趋势和研究热点, 为未来研究工作提供参考和启示。
本书案例丰富、启发性强，以实践应用为主，以程序设计思想与方法的传授为中心，系统、全面地介绍C语言各种语法成分的语义和用法。全书共10章，主要包括程序设计概述、数据类型、运算符与表达式、程序的控制结构、函数、数组、指针、结构体与共用体、文件操作等内容。
本书通过渐进式案例和拓展思考案例提高读者的程序设计能力，同时结合丰富的程序设计人物故事、现代计算机技术、思想政治教育，从而达到知识、能力、素质共同提升的目的。本书程序调试和运行环境为DevC 5.11。
本书
全书共分为8章,阐述了C 的特点和开发过程、面向对象程序设计技术、类的定义、对象的创建及访问、友元与静态成员、模板编程方法、运算符重载、C 的继承机制及虚基类、多态性、输入输出流，以及C 中的其他主题。本书取材新颖，内容丰富，可读性强，教学资源丰富，在充分考虑了学习者对书中部分内容的心理适应的基础上，对于一些容易让人产生畏惧心理的内容作了适当的处理。本书所有程序都在Visual C 6.0、Visual C 2022和DevC 5.11开发环境中进行了严格的测试。
本书是讲述Java程序设计的教材，介绍了数据类型、变量声明、流程控制等基础内容；面向对象有关的内容有类和方法的声明、继承、接口(default、static和私有方法)、抽象类（Lambda表达式、方法引用、Stream）；接着介绍枚举和异常处理。基础知识介绍完后，接着介绍Java中的库，包括文件操作的输入输出、图形有关的Swing和JavaFX、访问数据库的JDBC。Java中的常用数据结构在集合中介绍。此次改版，增加了instanceof模式匹配、switch表
近年来，在自然语言处理领域，基于预训练语言模型的方法已形成全新范式。本书内容分为基础知识、预训练语言模型，以及实践与应用3个部分，共9章。第一部分全面、系统地介绍自然语言处理、神经网络和预训练语言模型的相关知识。第二部分介绍几种具有代表性的预训练语言模型的原理和机制（涉及注意力机制和Transformer模型），包括BERT及其变种，以及近年来发展迅猛的GPT和提示工程。第三部分介绍了基于LangChain和ChatGLM-6B的知识库问答系统、基于大型语言模型的自然语言处理任务应用研究和大模型
本书介绍了数据全生命周期安全风险、安全技术及典型应用案例，可帮助读者较全面地掌握数据安全理论知识和实践技能。全书共9章：第1章为数据安全概述；第2章介绍数据安全风险，包括数据在采集、存储、共享和使用过程中的风险；第3章至第5章分别详细介绍数据采集、存储、共享与使用安全技术；第6章介绍跨领域数据汇聚面临的安全风险及相应的安全技术；第7章介绍数据安全审计技术；第8章介绍数据安全新技术；第9章介绍数据安全相关政策法规与标准。本书内容丰富、概念清楚、结构合理，既有对理论知识的深入解析，又有具体应用
本书生动地讲述了底层视觉的发展历史，总结了人工智能前沿的最新成果，揭示了高清大片背后的科学奥秘，展现了实事求是和永无止境的科学家精神。
同时，附有作者的科研感悟和心路历程，富有启发性。
本书适合理工科专业的大学生和研究生、科研人员，以及人工智能爱好者阅读。
本书系统全面地介绍了Python程序开发所涉及的各类知识。本书内容包括Python简介、Python 程序基础语法、程序的控制结构、丽数、模块、字符串、列表、元组、字典、集合、面向对象程序设计、文件与文件夹操作、异常处理与程序调试、综合项目。本书内容与实例紧密结合,有助于学生理解知识、应用知识,达内 容 简 介到学以致用的目的。
"本书内容遵循2020年发布的《ACM/IEEE计算课程体系规范》（Computing Curricula,CC）即CC2020，采用“计算”一词作为计算机工程、计算机科学和信息技术等所有计算机领域的统一术语。本书主要介绍算法及其设计、分析的基础知识，并通过大量例题，讲解枚举法、递推法、分治法、贪婪算法、动态规划及与图搜索有关的算法策略。除此之外，还讲解了算法设计基本工具的使用和算法设计中的技巧。最后通过案例的一题多解进行算法设计的实践。算法描述采用了接近自然语言（英语）的符号，可读性强，适合不
本书围绕大模型的生产实施流程，系统介绍大模型的应用实践方法。第一部分系统地介绍了机器学习的场景分类、深度学习的崛起以及基础模型。第二部分聚焦于应用挑战，详细讲解问题定义、流程、技术，包括嵌入和标记化、向量数据库、微调、部署与推理等。另外，展示了LLM相关的编排与集成策略，以及两个实际索引技术的案例。本书不仅介绍了应用案例，还对前沿技术和未来发展进行了展望，包括可解释性、GANs、强化学习和模型自动化。团队协作、项目管理和持续集成等实践内容也得到充分涵盖。最后，通过一个实践案例章节，读者学习
新书资讯 新书推荐