"本書為Web全棧開發(fā)校企“雙元”合作系列教材之一,是Web全棧開發(fā)職業(yè)技能等級證書培訓(xùn)認(rèn)證教材，遵循高等職業(yè)教育Web前端開發(fā)基礎(chǔ)課程的教學(xué)需求，對接金磚國家職業(yè)技能大賽中“Web技術(shù)”賽項(xiàng)，以課程教學(xué)標(biāo)準(zhǔn)、職業(yè)技能等級證書、職業(yè)技能大賽及職業(yè)崗位技能需求為基礎(chǔ)

本書深入探討了四元數(shù)神經(jīng)網(wǎng)絡(luò)在表情識別任務(wù)中的突破性應(yīng)用。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比，四元數(shù)神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜情感信息時(shí)展現(xiàn)出了更強(qiáng)特征分析能力和更低計(jì)算量的雙重優(yōu)勢。書中內(nèi)容主要展現(xiàn)這一前沿技術(shù)在特征表示、數(shù)據(jù)融合和信息處理上的巨大潛力，以及如何在表情識別任務(wù)中顯著提升精度與效率。本書所有的內(nèi)容都充分結(jié)合理論分析與實(shí)證研

本書將最優(yōu)控制方法融入機(jī)器學(xué)習(xí)的研究中，創(chuàng)新地建立了一個(gè)基于最優(yōu)反饋控制在線學(xué)習(xí)框架，并在該框架下提出了一系列用于解決線性和非線性的分類與回歸問題的魯棒自適應(yīng)學(xué)習(xí)算法;構(gòu)建了基于最優(yōu)控制的魯棒在線學(xué)習(xí)架構(gòu)，分別討論該架構(gòu)下的線性回歸、二分類和多分類問題，并且將線性問題的架構(gòu)拓展到非線性回歸與分類問題；提出了基于控制的深

本書主要以STM32F4和GD32F4為基礎(chǔ),介紹嵌入式系統(tǒng)的一般概念、ARMCortex-M4微處理器的組成、結(jié)構(gòu)及特點(diǎn)。重點(diǎn)介紹該類微處理器的通用輸入輸出(GPIO)原理及功能,定時(shí)器系統(tǒng)、中斷控制器的結(jié)構(gòu)與基本功能,常用單片機(jī)通信接口(如通用同步異步收發(fā)器、I2C、SPI)等原理與應(yīng)用,及模數(shù)轉(zhuǎn)換和數(shù)模轉(zhuǎn)換等基本

本書匯集了作者在數(shù)字媒體資產(chǎn)管理領(lǐng)域多年的研究成果，主要包括數(shù)字媒體資產(chǎn)管理系統(tǒng)與相關(guān)業(yè)務(wù)流程、數(shù)字媒體資產(chǎn)價(jià)值管理與內(nèi)容產(chǎn)業(yè)價(jià)值鏈、數(shù)字媒體內(nèi)容產(chǎn)品的版權(quán)管理與定價(jià)、數(shù)字媒體內(nèi)容版權(quán)交易模式、電視劇和網(wǎng)絡(luò)電影的版權(quán)價(jià)值評估模型研究等。本書可供工商管理、數(shù)字經(jīng)濟(jì)、管理科學(xué)與工程等專業(yè)的高年級本科生和研究生作為參考書，也

隨著中國特色社會主義進(jìn)入新時(shí)代，我國網(wǎng)絡(luò)治理開始步入正軌，治理的廣度和深度不斷拓展。建設(shè)網(wǎng)絡(luò)綜合治理體系是一項(xiàng)宏大的社會系統(tǒng)工程，如何建構(gòu)科學(xué)高效且契合中國國情的網(wǎng)絡(luò)治理體系，是關(guān)系到我國網(wǎng)絡(luò)強(qiáng)國、數(shù)字中國建設(shè)的重大現(xiàn)實(shí)命題，亦是本研究開展的時(shí)代背景。 本書從治理理念、組織領(lǐng)導(dǎo)、制度建設(shè)、服務(wù)和監(jiān)管機(jī)制、專項(xiàng)治理活動(dòng)等

本書首先梳理人臉識別的主要應(yīng)用場景及其處理的個(gè)人信息類型，并以此為基礎(chǔ)探討敏感的人臉信息被泄露、篡改、偽造和濫用所造成的隱私擔(dān)憂與安全風(fēng)險(xiǎn)，揭示科林格里奇困境。其次，對人臉識別的場景進(jìn)行分類，尤其是各類場景中人臉信息的屬性，根據(jù)公共性私人性強(qiáng)弱可分為三級，分別是作為個(gè)人形象的強(qiáng)公共屬性、關(guān)聯(lián)個(gè)人身份的弱公共屬性以及體現(xiàn)

密態(tài)深度學(xué)習(xí)可以在不解密加密數(shù)據(jù)的前提下對授權(quán)用戶提供深度學(xué)習(xí)服務(wù)，并可防止非授權(quán)用戶對授權(quán)用戶的數(shù)據(jù)進(jìn)行竊取與利用。該技術(shù)突破了密態(tài)數(shù)據(jù)無法在非可信環(huán)境下被有效利用的技術(shù)瓶頸，實(shí)現(xiàn)了安全學(xué)習(xí)，萬物互聯(lián)。本書從大數(shù)據(jù)、人工智能面臨的隱私挑戰(zhàn)出發(fā)，以密態(tài)深度學(xué)習(xí)理論框架與技術(shù)方法研究為主線，從理論模型到實(shí)際應(yīng)用，系統(tǒng)闡述

隨著ChatGPT等大語言模型的迅速發(fā)展，大語言模型已經(jīng)成為人工智能領(lǐng)域發(fā)展的快車道，不同領(lǐng)域涌現(xiàn)出各種強(qiáng)大的新模型。開發(fā)者想要獨(dú)立構(gòu)建、部署符合自身需求的大語言模型，需要理解大語言模型的實(shí)現(xiàn)框架和基本原理。本書梳理大語言模型的發(fā)展，首先介紹Transformer模型的基本原理、結(jié)構(gòu)和模塊及在NLP任務(wù)中的應(yīng)用；然后介

本書以AI圖像生成為主線，串聯(lián)講解了StableDiffusion、DALL·E、Imagen、Midjourney等模型的技術(shù)方案，并帶著讀者訓(xùn)練一個(gè)自己專屬的AI圖像生成模型。本書共6章。第1章先介紹身邊的AIGC產(chǎn)品，再講解AI圖像生成相關(guān)的深度學(xué)習(xí)基礎(chǔ)知識，包括神經(jīng)網(wǎng)絡(luò)和多模態(tài)模型的基礎(chǔ)知識。第2