本書來源于課題組長期的工程實踐積累，尤其是吸收了國家科技協(xié)同創(chuàng)新重大示范工程"XXXX仿真平臺”的相關經(jīng)驗。從裝備試驗、模擬訓練和作戰(zhàn)評估等領域的分布互聯(lián)實際應用需求出發(fā)，研究解決實現(xiàn)互聯(lián)互通互操作的核心關鍵問題。重點圍繞網(wǎng)絡化聯(lián)合仿真的時間同步問題進行論述，屬于分布式仿真系統(tǒng)構建的核心問題，同時也是網(wǎng)絡化聯(lián)合仿真工程

本書系統(tǒng)地闡述了視覺伺服的基本原理及應用。全書分為三部分，在概述視覺伺服概念和發(fā)展的基礎上，首先介紹計算機視覺的基本內容，包括視覺感知、數(shù)字圖像處理、特征檢測、單目視覺位姿測量與標定、多視幾何與三維重構等，為后續(xù)內容打下基礎；其次討論視覺伺服對象和視覺控制方法；最后通過多個實例展示視覺伺服在不同領域中的應用。每章后附有

本書除了介紹推薦系統(tǒng)的一般框架、典型應用和評測方法外，還圖文并茂地介紹了各種典型推薦系統(tǒng)與算法的思想、原理、設計、實現(xiàn)和應用場景。除了介紹基于協(xié)同過濾的推薦、基于內容的推薦、基于知識的推薦等經(jīng)典推薦系統(tǒng)與算法外，還介紹了基于排序學習的推薦、基于異質信息網(wǎng)絡的推薦、基于圖神經(jīng)網(wǎng)絡的推薦等新型推薦系統(tǒng)與算法。此外，為便于讀

在人工智能的浩瀚星空中，深度學習猶如一顆耀眼的明星，引領著計算機視覺技術的發(fā)展�！禤yTorch深度學習與計算機視覺實踐》帶領讀者領略深度學習在計算視覺領域的魅力，詳解使用PyTorch2.0進行計算機視覺應用實戰(zhàn)的技巧。本書配套示例源碼、PPT課件。《PyTorch深度學習與計算機視覺實踐》共分15章，內容包括深度學

本書圍繞國產(chǎn)計算機行業(yè)的具體技術展開論述，內容安排如下：第一章重點描述國內外計算機行業(yè)的發(fā)展現(xiàn)狀，第二章重點介紹國產(chǎn)計算機的基礎硬件發(fā)展情況，第三章重點介紹國產(chǎn)計算機的基礎軟件發(fā)展情況，第四章介紹國產(chǎn)計算機的應用軟件發(fā)展情況，第五章介紹國產(chǎn)自主可控的云計算技術，第六章介紹國產(chǎn)自主可控的大數(shù)據(jù)技術，第七章介紹國產(chǎn)自主可控

人類約70%的信息是通過人眼感知獲取的，未來的人工智能產(chǎn)品也將和人類一樣，大量信息都將通過視覺感知獲取。機器視覺是人工智能的“眼睛”，是人類視覺能力的模擬、延伸和擴展，使得機器能夠像人一樣看得見，并且看得懂。從自動駕駛到智慧交通，從衛(wèi)星遙感到智慧工業(yè)，從智能制造到智慧醫(yī)療，機器視覺是諸多領域實現(xiàn)突破性創(chuàng)新的核心關鍵技術

本書針對以上關鍵技術撰寫而成，主要內容包擴局部立體匹配方法、全局立體匹配方法、亞像素級立體匹配方法和基于深度學習的立體匹配方法等。計算機視覺當中的立體匹配問題是計算機視覺領域中的一個關鍵問題，它通過一臺或多臺相機對同一景物成像獲取一系列不同視角下的圖像，然后在這些圖像中查找對應點，獲得它們之間的幾何位移，并根據(jù)幾何投影

本書主要介紹了計算機視覺中的語義分割和目標檢測的相關技術，重點講解了任務設定和度量指標、基于深度學習的經(jīng)典模型和算法方案，包括U-net相關模型、DeepLab系列模型、SAM模型，以及FasterR-CNN模型、YOLO系列模型等。另外，對于分割和檢測任務中的小樣本、弱監(jiān)督、小目標等特殊設定下的算法思路和方案也通過典

本書以當前主流微機技術為背景，全面介紹計算機各功能子系統(tǒng)的邏輯結構、組成和工作機制。本書共10章，包括計算機系統(tǒng)概述、運算方法與運算器、尋址方式與指令系統(tǒng)、主存儲器、控制器、存儲器系統(tǒng)、系統(tǒng)總線、I/O子系統(tǒng)、流水線技術、多處理機技術等。本書內容翔實，實用性強，提供比較完整的基于Logisim軟件的虛擬仿真實驗任務，配

《數(shù)據(jù)中心設計與管理》全面介紹了數(shù)據(jù)中心建設和管理過程中的各個環(huán)節(jié)，歸納了數(shù)據(jù)中心設計與管理的理論、技術及實踐經(jīng)驗。將虛擬化技術的應用滲透到本書的各個部分。全書共7章，主要內容包括：數(shù)據(jù)中心概述、基礎環(huán)境建設、網(wǎng)絡子系統(tǒng)、計算子系統(tǒng)、存儲子系統(tǒng)、安全子系統(tǒng)和數(shù)據(jù)中心運維管理。