暂缺简介...

暂缺简介...

暂缺简介...

大数据及其技术在经济社会发展各方面的应用，使众多数据成为继物质、能源之后的又一重要战略资源，与我们的生活息息相关。“以数据兴国”“以数据治国”已成为 战略，并将成为中国未来很长一段时间的国策。如何正确管理这些数据已成为企业发展的关键，本书以大数据在电缆生产、轴承生产、自动驾驶、视觉识别、AGV生产调度和制药生产等典型产业的成功应用作为切入点，来研判未来大数据总体发展趋势。

本书立足于人工智能的时代背景，根据目前的技术发展和应用现状，主要对人工智能、智慧图书馆、大数据技术、智慧图书馆建设等几个方面进行了论述，从而提出一种新的智慧图书馆概念及功能架构。在此基础上，本书根据该功能架构，全面系统化地论述了智惹图书馆涉及的技术，并对其应用现状进行了梳理和分析，从技术方面对智慧图书馆建设进行了设想。本书结构合理、内容详实、实践与理论并存，对智慧图书馆领域的研究具有一定的借鉴意义，对智慧图书馆的建设具有重要的实践意义。

\"本书是作者从事机器人与智能系统研究与教育26年思想理念、研发实践及人才培养的总结与提炼，特别是2007年12月-2019年1月，作者任湖南信息职业技术学院信息工程系主任、电子工程学院院长、总支书记及湖南农业大学硕士生导师期间，以立德树人为根本遵循，以多元智能理论为基础，针对机器人工程硕士、机器人工程应用型本科、工业机器人技术（高职大专）、工业机器人应用与维护（中职）、机器人岗位培训各类型、各层次人才培养培训的特点，全面推出了以产业链、教育链、人才链与创新链“四链融合”的人才培养模式及“机器人系列产品驱动”的专业建设与人才培养的教育思想进行电子信息类及机器人类专业教育教学改革。主要创新性成果有：一是以机器人全产业链为目标，针对应用工程硕士、应用型本科、高职、中职、岗位培训确定了各层次、各类型在产业链中的分工与定位，系统解决了各层级的交叉与螺旋式上升逻辑，构建了系统体系；二是以工程项目为基础、以实践体系为依据，系统厘清了学术型人才与工程应用、技术技能人才之间的区别及联系；三是构建了教师队伍、学工团队、教材与教学资源开发、实践基地建设、技能竞赛、专业群建设与实施等方面构建了机器人及专业建设的全面发展逻辑构架。全书分为三个篇章， 章为机器人人才培养理念及实现支撑：从教师团队建设、专业带头人建设、学工团队建设、人才培养的底层逻辑、教材与教学资源开发、专业群构建与实施、全面系统论述了机器人专业的人才培养体系构建的理念及其实施思路；及与机器人技术人才培养系列相关条件与拓展，包括针对课程建设、人才培养的发展、技能竞赛与创新创意竞赛、“1+X”证书建设，师资培训及学术大会发言等。第二章为机器人技术人才培养体系：以机器人全产业链角度，系统构建了机器人应用型人才培养体系，包括：工程硕士、应用本科、高职大专、中职技校及岗位培训与专业群建设六类。第三章为机器人应用人才培养实践，以大事记为载体，全面展示湖南信息职业技术学院在智能机器人、工业机器人、无人机人才培养12年的过程及人才培养成果。本书得到湖南省芙蓉人才支持计划：2019年湖南省芙蓉教学名师项目（湘教通〔2019〕261号）支持。本书可以作为职业院校教师与教学管理工作者的学习读物，也可作技工院校教师的参考资料。\"

本书属于人工智能与区块链原理及应用方面的著作。主要包括区块链与人工智概述，区块链与下一代人工智能，区块链的发展，区块链体系架构，区块链与人工智能数字经济发展，区块链与人工智能技术的融合，人工智能技术发展的困境，密码学与安全技术，基于区块链架构的商业应用，区块链与人工智能融合的行业应用，区块链的未来发展等内容。本书对人工智能与区块链创业、应用方面相关领域的专家、学者、读者、爱好者以及相关从业人员具有一定的学习和参考价值。

本书以机器人视觉应用综合职业能力为导向，以工作过程为主线构建了5个项目，主要内容包括LabVIEW机器视觉开发软件环境的搭建与硬件安装调试、机器人静态单颜色识别与分拣、机器人静态多颜色识别与分拣、机器人静态综合识别与分拣、机器人随动识别与分拣。任务设计从易到难、循序渐进，旨在有效培养职教学生职业行动能力。本书既可作为职业院校工业机器人技术、智能控制技术、电气自动化技术等相关专业的教材，也可作为相关工程技术人员的参考用书。

暂缺简介...

作为软件测试（包括白盒测试和黑盒测试）中的一个基本问题，测 例自动生成尤为重要，这是因为白盒测试中的许多问题（如控制流测试和数据流测试）以及黑盒测试中的一些问题都可以归结为测 例生成问题。解决这个问题的本质在于约束系统的建立和求解。约束求解是人工智能的一个传统研究方向。本书将系统地研究如何进行软件系统的约束建模和求解，利用人工智能的各种技术，对一些特殊情况（复杂数据类型、线性约束的区间初始化、库函数等）给出切实可行的解决方案。提升回归测试效率的一个重要方法是对测 例集进行优化，目前常见的优化方法有3种，分别是测 例集约简、选择和优先级排序。这3种方法分别适用于不同的场景，本书主要关注测 例集约筒和测 例优先级排序，通过对相关问题和已有方法的调研，将现在应用比较广泛的人工智能中的群智能算法和一些进化算法引入测 例集优化问题中，提出新的测试用例集约简和测 例优先级排序技术。本书的主要读者对象为软件工程研究者和从业人员。