分数阶微积分研究的是非整数阶的微分和积分，可实现的阶数灵活且自由度大，所以在图像处理领域的应用得到越来越多的关注。本书通过特定的分数阶微积分定义与图像处理领域的重要工具——傅里叶变换和分数阶傅里叶变换，建立分数阶微积分与图像处理的关系。全书共7章，分别是绪论、图像处理及分数阶微积分基础、分数阶微积分与信号处理的关系、基于分数阶变阶微分的图像去噪方法、图像复原的分数阶偏微分方法、图像分割的分数阶微积分方法和图像增强的分数阶微积分方法。本书论述清晰，适合计算机图形处理领域的研究人员、对分数阶微积分应用感兴趣的读者阅读，也适合作为高等院校相关专业学生的参考书。

编译系统是计算机系统中的系统软件，是软件开发环境的核心组成部分。《编译原理》介绍编译系统的结构、工作流程及编译程序各组成部分的设计原理和实现技术。作者遵循CDIO工程教育理念将《编译原理》内容分为四篇，第1篇构思（Conceive），包括编译程序概论、文法和语言；第2篇设计（Design），包括词法分析、自顶向下语法分析、自底向上语法分析、语义分析与符号表；第3篇实现（Implement），包括语法制导翻译与中间代码生成、目标程序运行时的存储组织、出错处理、代码优化、目标代码生成；第4篇运作（Operate），包括寄存器分配、垃圾回收、面向对象语言编译器和人工智能编译器。

本书对计算机科学方面的数理逻辑进行了综合介绍，涵盖命题逻辑、谓词逻辑、模态逻辑与代理、二叉判定图、模型检测和程序验证等内容。

5G的蓬勃发展推动了电子封装技术的革新，低温共烧陶瓷系统级封装（LTCC-SiP）作为一种集成度高、性能优越的解决方案，正逐步成为射频前端和毫米波通信领域的核心技术。《低温共烧陶瓷系统级封装（LTCC-SiP）：5G时代的机遇》从基础理论到实际应用，分七章逐步展开。*先基于5G的研发背景，剖析其对系统级集成技术的需求，其次详细介绍了SiP技术和LTCC技术的研究进展和技术优势，深入解析LTCC-SiP在材料、工艺、性能等方面的核心优势与技术瓶颈。*后分析了LTCC-SiP的技术难点，探讨其在5G智能终端、可穿戴设备、天线封装等领域的广阔前景。

《一颗柚子的插画语言》不仅是一本儿童插画教程，而且收录了人气插画师柚子自2019年至2024年插画代表作近160幅，涵盖了人物、动物、大场景等多种元素，每一幅都凝聚了作者对插画艺术的深刻理解与对生活的独特感悟。在本书中，柚子老师对其典型作品的绘制方法和技巧进行了细致的解析，无论是线条的勾勒、色彩的搭配，还是细节的刻画，都体现了其高超的绘画技艺和丰富的创作经验。此外，书中还附带了作画视频教程和线稿、色卡等素材，让读者能够更直观地学习柚子老师的绘画过程，轻松掌握插画的精髓。柚子老师的插画作品中充满了呆萌可爱的人物形象和瑰丽奇幻的场景，仿佛将读者带入了一个如梦似幻的童话世界。这些画作令人脑洞大开，能很好地激发读者的想象力和创造力。同时，书中画作的遴选与设计也别具匠心，既方便读者临习展示，也值得收藏，是学习儿童插画的不二之选。

本书系统全面地介绍了云计算和容器技术的原理、架构和应用。内容主要包括云计算基础，Docker 核心原理与应用，容器云平台技术与实践以及分布式系统中如数据存储计算、协调服务与设计、测试与监控等的设计与实现。每部分内容以原理、架构、案例和最佳实践的思路展开，并通过丰富的案例练习与讲解，帮助读者深入理解核心知识，上手实际项目开发。本书适合从事云计算和容器技术工作的专业人员，如系统管理员、开发工程师、架构师等阅读学习，也可供计算机科学、信息技术领域的研究人员与师生参考。

这是一本面向AI开发人员以及对生成式人工智能技术感兴趣的读者的专业图书。《生成式AI应用开发：基于OpenAI API实现》深入探讨生成式AI技术的原理与实现，以及如何利用OpenAI API进行高效开发。《生成式AI应用开发：基于OpenAI API实现》内容包括ChatGPT的原理解析、OpenAI API请求库的使用、飞书AI机器人的构建、AI编程辅助插件的开发、Hugging Face模型的私有化部署与微调，以及检索增强技术RAG和Prompt Engineering的优化策略。书中不仅系统地梳理了生成式AI应用开发的关键知识点，还通过丰富的实际代码案例指导读者在不同垂直领域实现AI应用的开发。此外，《生成式AI应用开发：基于OpenAI API实现》还扩展介绍了AI应用的社区生态，帮助读者将理论知识应用到实践中，培养独立开发和优化生成式AI应用的能力。《生成式AI应用开发：基于OpenAI API实现》适合希望深入了解并实践生成式AI技术的人员，无论是初学者还是有经验的开发者，都能从中获得宝贵的知识和启发。通过阅读《生成式AI应用开发：基于OpenAI API实现》，读者将能够掌握从理论到实践的全方位知识，为未来的AI应用开发打下坚实的基础。

《智能网联汽车人机交互设计》专注于智能网联汽车发展的核心领域——人机交互设计。本书将智能网联汽车作为话语主体，针对当前人机交互设计著作存在的领域单一、对象泛化、方法模糊等问题，围绕理论、方法、实践三条路径展开深入讨论，特色在于跨学科的理论框架、创新的设计方法和实践案例的深度分析。本书融合设计学、艺术学、计算机科学、心理学等多学科知识，构建了一套创新的设计方法体系，涵盖场景信息化、功能个性化、服务互联化和体验娱乐化等方面，既提供了智能网联汽车人机交互设计的理论指导，也通过丰富的设计实践案例帮助读者深入理解设计方法的应用。本书实现了理论与实践的结合，可供智能汽车领域的研发人员参考阅读，也可作为高等院校汽车、设计类专业的教学参考用书。

继MIPS版和ARM版之后，本书与时俱进地推出了RISC-V版，将其作为核心处理器来介绍计算机体系结构的基本概念，涵盖数字逻辑设计的主要内容，并通过RISC-V处理器的设计强化数字逻辑的概念。书中采用一种独特的现代数字设计方法，先介绍数字逻辑门，接着讲述组合电路和时序电路的设计，并以这些基本的数字逻辑设计概念为基础，重点介绍如何设计实际的处理器。本书不仅反映了当前数字电路设计的主流方法，而且突出了计算机体系结构的工程特点。此外，大量示例及习题也可以加强读者对概念和技术的理解。本书适合高等院校计算机相关专业的学生阅读，也适合从事处理器设计的技术人员参考。

《联邦学习》为研究人员和从业者深入探讨了联邦学习最重要的问题和方法。联邦学习（Federated Learning，FL）是一种机器学习方法，其中训练数据不是集中管理的。数据由参与联邦学习过程的各方保留，不与任何其他实体共享。这使得联邦学习成为一种日益流行的机器学习解决方案，适用于因隐私、监管或实际原因而难以将数据集中到一个存储库中的任务。本书阐述了联邦学习的最新研究进展和最先进的发展成果，包括从最初构想到首次应用和商业化使用。为了全面、深入地了解这个领域，研究人员从不同的角度探讨了联邦学习：机器学习、隐私和安全、分布式系统以及具体应用领域。读者将从这些角度了解联邦学习所面临的挑战、它们之间的相互关系，以及解决这些挑战的前沿方法。本书第1章介绍了联邦学习的基础知识，之后的24章深入探讨了各种不同的主题。第l部分涉及以联邦方式解决各种机器学习任务的算法问题，以及如何进行高效、规模化和公平的训练。第I部分主要介绍联邦学习过程运行的系统的实际问题。第川部分着重介绍如何选择隐私和安全解决方案，以适应特定的应用场景。第IV部分讲解了联邦学习的其他重要应用案例，如拆分学习和纵向联邦学习。最后，第V部分介绍实际企业环境中联邦学习的应用和案例。