本書是一本全面深入探討半導體傳感器在氣體、化學和生物醫(yī)學領域應用的書籍。它從基本原理和不同類型傳感器的工作機制講起，覆蓋了金屬氧化物半導體傳感器和場效應晶體管傳感器等類型，并詳細討論了這些傳感器在氧氣、一氧化碳、甲烷檢測，環(huán)境監(jiān)測，食品安全，以及醫(yī)療診斷和生物分子檢測中的應用。書中還介紹了傳感器技術的最新進展，如小型化

本書主要介紹多智能體協(xié)同調(diào)控理論，深入闡述通信拒止時基于系統(tǒng)相對測量輸出的分布式觀測器設計新理論與方法，并圍繞此方法探討多類多智能體系統(tǒng)的分布式協(xié)同調(diào)控問題。內(nèi)容涵蓋多智能體系統(tǒng)的基礎理論與圖論的基礎知識、靜態(tài)與切換網(wǎng)絡拓撲下的多輸入多輸出線性異構多智能體系統(tǒng)一致性調(diào)控、二階非線性系統(tǒng)的一致性調(diào)控、連續(xù)時間與離散時間線

本書聚焦人工智能領域中機器學習的基礎理論與方法，通過嚴謹?shù)臄?shù)學推導和可解釋性分析，幫助讀者理解常用方法的理論內(nèi)涵與實現(xiàn)細節(jié)。全書共8章，第1章簡要講解機器學習的基本概念與發(fā)展脈絡；第2章和第3章介紹所需的數(shù)學基礎與優(yōu)化基礎；第4章介紹數(shù)據(jù)基礎理論方面的知識；第5～8章分類探討經(jīng)典機器學習方法，涵蓋特征處理、聚類分析、回

本書對于互聯(lián)網(wǎng)絡的匹配排除、連通性和診斷度問題提供了一個統(tǒng)一的理論框架。內(nèi)容包括：對網(wǎng)絡診斷的概述；給出網(wǎng)絡的高階好鄰診斷度和高階限制診斷度的一些充分條件；確定了一些著名網(wǎng)絡的高階連通度、自然診斷度、高階好鄰診斷度和高階限制診斷度以及互聯(lián)網(wǎng)絡的匹配排除和條件匹配排除。書中許多內(nèi)容和方法是作者的研究成果，同時還提出一些問

本書堅持理論教學環(huán)節(jié)與實驗實踐教學環(huán)節(jié)并重的教育理念,不僅詳細探討了機器學習和深度學習原理,即“模型、學習準則和優(yōu)化算法”,而且對每一個模型均輔以Python“自編碼”算法設計,詳細再現(xiàn)了從原理分析到算法設計與應用的過程和思想,使理論分析、優(yōu)化計算與算法設計三者交互映襯,便于讀者學習掌握.本書共包含16章,既涵蓋了經(jīng)典

本書系統(tǒng)介紹了非線性約束系統(tǒng)的智能自適應反步遞推控制的基本理論和方法，力求涵蓋國內(nèi)外最新研究成果，主要內(nèi)容包括非線性嚴格反饋系統(tǒng)的智能自適應約束控制設計方法及理論、非線性時滯約束系統(tǒng)的智能自適應控制設計方法及理論、非線性多智能體約束系統(tǒng)的智能自適應控制設計方法及理論、非線性切換約束系統(tǒng)的智能自適應控制設計方法及理論，以

本書從數(shù)據(jù)空間的基本概念入手，分析和探討了數(shù)據(jù)空間的定義、類型、特征、功能、架構、組件和關鍵技術，以及數(shù)據(jù)空間與數(shù)據(jù)要素市場的關系等基礎理論問題；同時，結合具體實例，從多學科視角對數(shù)據(jù)空間內(nèi)數(shù)據(jù)安全與信任體系構建、數(shù)據(jù)連接器與參與者認證、數(shù)據(jù)集成與互操作方法、信息模型與詞匯表設計、數(shù)據(jù)生態(tài)體系建設等重要問題進行了深入且

本書面向當前多時相遙感影像處理分析的學術前沿與地學應用的重大需求，介紹多時相遙感影像處理分析的框架體系和實現(xiàn)過程，對其中涉及的發(fā)展前沿、關鍵技術進行了探討和綜述。在常規(guī)遙感變化檢測、多時相信息提取方法的基礎上，引入深度學習、集成學習、遷移學習等新型機器學習理論方法，重點對多時相遙感影像自動變化檢測、多時相遙感影像地表覆

本書立足人工智能高速發(fā)展背景下數(shù)據(jù)中心面臨的電力消耗與碳排放挑戰(zhàn)，結合新能源系統(tǒng)發(fā)展機遇，系統(tǒng)探討算力-電力-熱力協(xié)同在數(shù)據(jù)中心可持續(xù)發(fā)展中的關鍵作用。本書從宏觀視角剖析全球算力電耗演變及中國能耗現(xiàn)狀，揭示算效提升的迫切性，并梳理全球綠色低碳實踐；微觀層面則圍繞數(shù)據(jù)中心分類、節(jié)能技術及算力-能源協(xié)同邏輯展開，通過知識圖

本書作為基于深度學習的自然語言處理基礎教程，介紹基于深度學習的自然語言處理領域的各種技術范式以及相關概念，構建該領域的知識體系，幫助讀者對該領域知識有全面和系統(tǒng)的了解。全書共12章，分別介紹深度學習自然語言處理數(shù)據(jù)資源、常用的神經(jīng)網(wǎng)絡模型、語言模型的基本概念、注意力機制的基本概念、自然語言處理基本任務及建模方法、預訓練