"《软件工程案例教程》依照专业能力培养目标、课程能力培养目标及毕业要求,合理设计各章的知识点,按不同能力层级配置与课程各项能力相关的习题,并实现各实验资源可在线编辑、修改、运行,通过理论学习与实践训练提升学生软件设计能力与工程实践能力,最终达成课程的能力目标要求和毕业要求。本教材内容由四部分组成:基础篇、开发篇、维护篇、案例篇。基础篇:主要介绍软件工程基本概念和面向对象基本概念。开发篇:主要介绍结构化软件分析、设计和实现的方法、技术和工具,面向对象的软件分析、设计和实现的方法、技术和工具。维护篇
"本书主要内容包括数据库基础知识、Access2016的数据库、表、查询、窗体、报表、宏、VBA等。为了使读者能够更好地掌握本书内容,本书配有丰富的例题,为了及时检验学习效果,每章后面均配有大量的习题并在附录中给出参考答案。全书采用“理论与实践”相结合的模式,将课堂教学内容与实验教学内容有机结合。全书例题从始至终用的都是“学生管理”数据库,每个例题都是编者二十多年数据库教学中积累的材料。本书内容充实、突出操作性和实践性、实例丰富,可以使学生尽快掌握Access的基本功能和操作,掌握Access的
本书是《Access2016数据库应用教程》的配套教材,软件版本为Access2016。全书分为上下两篇,上篇为实验,以主教材内容为导向,前13组实验为基础案例,每组实验包括明确的实验目的和实验内容两部分,实验内容中给出了实验要求和详略得当的操作步骤,全部正确完成后,即可得到一个完整的数据库应用系统;第14组实验为综合案例,是一个完整的数据库应用系统,具有详略得当的实验步骤与说明。下篇为习题,根据主教材各章内容编写相应习题,并附有习题参考答案,供教师和学生参考使用。本书实验内容丰富、翔实、系统,
本书是人工智能专业最基础最全面的高校教材,作者陆汝钤院士系中国科学院数学与系统科学研究院数学研究所研究员。在知识工程和基于知识的软件工程方面做了系统的、创造性的工作,是我国该领域研究的开拓者之一。倡导并主持完成了以软件的机械化生成和移植为目标的系列软件计划(XR计划),推动了当时国产机软件缺乏问题的解决。本书首次把异构型DAI和机器辩论引进人工智能领域。研究出基于类自然语言理解的知识自动获取方法,把ICAI生成技术推进到以自动知识获取为特征的第三代,并开发出基于知识的应用软件自动生成技术。在形式
本书是《动手学深度学习》的重磅升级版本,选用经典的PyTorch深度学习框架,旨在向读者交付更为便捷的有关深度学习的交互式学习体验。本书重新修订《动手学深度学习》的所有内容,并针对技术的发展,新增注意力机制、预训练等内容。本书包含15章,第一部分介绍深度学习的基础知识和预备知识,并由线性模型引出最简单的神经网络多层感知机;第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具;第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重
本书介绍了工业控制网络的特点、发展历程、技术现状和发展趋势,重点介绍了Modbus、PROFIBUS、CAN、DeviceNet及CANopen等现场总线技术,还介绍了ModbusTCP、PROFINET、Ethernet/IP、EtherCAT、EPA及HSE等工业以太网技术,并结合台达和西门子工业自动化产品有针对性地安排了大量工业控制网络应用案例和实验内容,着重对学生的实际动手能力、独立思考能力、创新思维能力和综合运用能力进行培养和训练。 本书可作为普通高等院校智能制造工程、机器人工程、电气
本书聚焦谷歌公司开发的BERT自然语言处理模型,由浅入深地介绍了BERT的工作原理、BERT的各种变体及其应用。本书呈现了大量示意图、代码和实例,详细解析了如何训练BERT模型、如何使用BERT模型执行自然语言推理任务、文本摘要任务、问答任务、命名实体识别任务等各种下游任务,以及如何将BERT模型应用于多种语言。通读本书后,读者不仅能够全面了解有关BERT的各种概念、术语和原理,还能够使用BERT模型及其变体执行各种自然语言处理任务。
Java语言是一种被广泛使用的编程语言。它采用面向对象技术,不依赖于机器结构,具有可移植性、健壮性、安全性。除了语言的基本语法外,Java还提供了丰富的类库,便于程序员方便地开发自己的系统。 本书在第一版的基础上进行了内容更新和补充。全书共16章,分为两篇。第一篇包括1~8章,主要讲解语言的词法、语法,以及面向对象编程思想和方法;第二篇包括9~16章,其中9~15章主要讲解Java常用类的用法,第16章的综合实践通过案例讲解了项目开发的基本流程,使读者全面掌握应用Java语言开发技术解决复杂工程
本书重点分析非线性时滞系统的迭代学习控制方案设计及其稳定性分析问题。内容包括:不确定时变参数化非线性时滞系统迭代学习控制、非参数化非线性时滞系统迭代学习控制、控制方向未知的非线性时滞系统迭代学习控制、基于观测器的非线性时滞系统迭代学习控制、机械臂系统自适应迭代学习控制等。
本书阐释了如何采用神经网络PD和PID控制来消除积分增益,提出了如何采用半-全局渐近稳定性和局部渐近稳定性选择线性PID增益的显式条件。本书针对具有高增益速度观测器PD控制,给出了采用李雅普诺夫稳定性设计神经网络和模糊补偿器的前沿方法。PID控制中的积分器会降低闭环系统的带宽,导致暂态性能低效,甚至会破坏系统的稳定性,本书在这些系统中引入智能控制将极大地改变生物医学和工业控制工程的现状。