本书为软件系统开发指导教程。首先，通过对比结构化编程，本书介绍面向对象编程的基本概念和特点，以及根据软件需求设计UML类图的方法。其次，重点围绕面向对象中类的封装性、类之间的关联关系、类之间的继承关系和多态等特性，本书阐述应用Java语言对UML类图进行编程实现的核心技术。然后，围绕Java项目开发，本书介绍集成开发平台Eclipse、Intellij IDEA的使用，以及Java大型项目管理工具Maven和多任协作开发版本控制GitHub的使用，并阐述Java异常处理、Junit单元测试、Java编程规范和Javadoc注释等Java程序的质量保障技术。最后，本书阐释面向对象可复用设计模式等面向对象设计的高级主题，以及输入输出、并行处理网络编程等高级Java和界面编程技术。 本书内容编排独特，讲解通俗易懂，以需求-设计-实现为线索，展开技术情节描述，通过大量具体示例及贯穿全文的综合应用案例来阐述设计理念、编程技术和面向对象理论知识，具有较强的工程性和应用性。 本书可作为高等院校软件工程教育核心教材，也可作为计算机专业及相关专业的课程教材，以及软件开发人员的参考用书。

本书主要介绍MATLAB语言，并展示如何运用它去解决经典的技术问题。书中结合实际设计、仿真和计算问题介绍了MATLAB软件的安装、应用、Simulink仿真软件的一般使用方法。该书分为三部分：第一部分介绍MATLAB的基础知识，包括常用命令、矩阵计算、数值计算、符号计算、绘图、程序设计和Simulink仿真工具软件；第二部分介绍MATLAB在控制系统中的应用，包括时域、复域和频域中的系统建模、分析和设计，并结合具体实例和自动控制专业理论加以说明；第三部分制定了七个具有针对性的上机练习，包括演示操作、基本练习和综合设计等，使学生能够自己动手，掌握本书重点，并学以致用。书中每章后附有习题，便于学生及时巩固课堂所学内容。 本书可作为高等学校本科生、研究生相关专业的教材，也可作为科技工作者学习MATLAB使用。

9787115554512 深度学习：从基础到实践（上、下册） 199.80 9787115598721 图神经网络：基础、前沿与应用 178.80《深度学习：从基础到实践（上、下册）》 本书从基本概念和理论入手，通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识，且不涉及复杂的数学内容。本书分为上下两册。上册着重介绍深度学习的基础知识，旨在帮助读者建立扎实的知识储备，主要介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。下册介绍机器学习的 scikit-learn 库和深度学习的 Keras 库（这两种库均基于 Python 语言），以及卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容，还介绍了一些创造性应用，并给出了一些典型的数据集，以帮助读者更好地了解学习。本书适合想要了解和使用深度学习的人阅读，也可作为深度学习教学培训领域的入门级参考用书。 《图神经网络：基础、前沿与应用》 本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。全书分为四部分：第一部分介绍图神经网络的基本概念；第二部分讨论图神经网络成熟的方法；第三部分介绍图神经网络典型的前沿领域；第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。本书适合高年级本科生和研究生、博士后研究人员、讲师以及行业从业者阅读与参考。

暂缺简介...

暂缺简介...

本书从利用华为eNSP模拟一个企业网络出发设计实验内容。书中内容涵盖了组建企业网络所需的大部分知识，先设计面向单个知识点的实验内容，再综合应用各个知识点设计综合实验。实验内容包括：交换机实验、虚拟局域网实验、生成树实验、路由器配置实验、广域网配置实验、网络地址转换实验、无线局域网实验和综合实验。每个实验中详细介绍了技术原理、实验步骤和关键指令，便于读者独立地配置和调试实验，深入理解实验所涉及的计算机网络原理知识。本书实操性强，适合作为高等院校计算机及相关专业学生教材，也可作为网络工程技术人员和计算机爱好者的阅读参考书。

本书从复杂信息系统自适应逻辑建模与验证、自适应时间特性建模与分析、自适应行为不确定性建模与决策三个方面着手，系统全面地介绍了面向复杂信息系统的自适应软件建模与可靠性验证分析相关的技术、理论和方法。全书共6章，其中，第1章重点介绍了自适应软件建模与验证相关的基础知识，包括自适应软件基本概念、基本术语；第2章重点介绍了复杂信息系统自适应逻辑建模与验证技术，包括可视化建模、模型转换、形式化建模与验证等；第3章重点介绍了复杂信息系统自适应时间特性建模与分析，包括时间特性定义、建模与形式化验证分析等；第4章重点介绍了复杂信息系统自适应行为不确定性建模与决策，包括不确定性建模、基于不确定性的自适应决策等；第5章重点介绍自适应软件建模与验证支撑工具开发方法；第6章介绍了自适应软件建模与验证方法的案例应用。

本书系统讲解了数据分析工作流程中的核心问题，涉及数据探索、数据预处理、建模分析等内容。书中使用Python作为编程语言，全面介绍了Python编程基础及常用数据分析库的使用，在传统的数据统计分析方法的基础上，增加了分类、回归、聚类等机器学习建模分析方法，通过贴近日常生活和工作的实践案例，帮助读者建立数据分析思维，实现从基础理论到实践应用的过渡，提高综合运用数据分析方法和技术解决实际问题的能力。本书可作为高等院校数学、计算机等专业的数据分析相关课程的教材，也可作为数据分析等领域从业人员的参考用书。

本书是以卷积神经网络在高光谱影像分类中的应用为线索进行编写。全书内容分为7章：第1章介绍了高光谱影像分类的国内外研究现状，以及高光谱影像数据特点和评价指标；第2章介绍了卷积神经网络的原理，总结了卷积神经网络的发展现状，分析了卷积神经网络在高光谱影像分类中的应用情况；第3章至第6章分别介绍了结合纹理特征的双通道卷积神经网络、宽残差网络、残差密集网络、残差注意力网络等用于高光谱影像分类的卷积神经网络模型；第7章对本书所介绍的内容进行了总结，并就卷积神经网络在高光谱影像分类中的应用情况进行了展望。

暂缺简介...