本書結合現(xiàn)行國家綜合布線相關標準和現(xiàn)場施工規(guī)范，介紹了綜合布線系統(tǒng)的構成及設計。以學生宿舍樓為載體，將課堂中難以操作的建筑模型通過BIM平臺創(chuàng)建出來，在這個模型上一步步添加綜合布線各個子系統(tǒng)的3D模型，通過虛實融合的方式讓學生更好地掌握綜合布線各個子系統(tǒng)的作用。書中配有宿舍樓相關實例，并以辦公樓項目作為延伸，讓學生能夠

人工智能是一門以自動化理論與計算機技術為基礎，涉及多學科交叉融合的新興學科，是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，對于推動經(jīng)濟發(fā)展、提高生產(chǎn)力、促進社會進步具有重要意義。本書在總結編者及團隊多年教學及科研經(jīng)驗的基礎上編寫完成，內(nèi)容涵蓋了人工智能的基本概念、發(fā)展歷程、關鍵技術以及典型應用，旨在幫助學生快速了解人工智能

本書針對現(xiàn)有的混合式學習模式中存在理論、實驗及創(chuàng)新實踐三個環(huán)節(jié)的時間及空間分離問題，探索并構建一套“理實同步-虛實結合-資源共享”線上線下混合式人才培養(yǎng)平臺。包括：建立了全新的通信網(wǎng)絡控制模型，解決了通信互聯(lián)網(wǎng)絡引入的時延問題，實現(xiàn)了混合式學習線上線下課程的同步集成，提高了高校課堂教學效率；解決了個性化知識建構平臺集成

起重機器人是生產(chǎn)制造、物流、建筑等國家重點產(chǎn)業(yè)的核心裝備之一，在貨物搬運、設備裝配等領域發(fā)揮著重要作用，極大地提高了生產(chǎn)效率與經(jīng)濟效益。相比于平移式起重機器人，旋轉式起重機器人增加了吊臂旋轉/俯仰運動等功能，靈活性更高、可操作性更強且可達空間更廣。然而，三維轉動往往存在離心力與摩擦，系統(tǒng)具有更為復雜的動態(tài)特性與耦合關系

隨著自動化技術的發(fā)展，特別是在工業(yè)控制領域中，觸摸屏組態(tài)技術的應用越來越廣泛。觸摸屏因其組態(tài)形式方便、適用范圍廣、硬件回路簡單、組態(tài)畫面直觀、監(jiān)控方便等優(yōu)點而逐漸取代了以接線形式為主的傳統(tǒng)電氣控制方式，從而在業(yè)界得到了快速的發(fā)展。本書從工程應用的角度出發(fā)，通過動力滑臺監(jiān)控、攪拌機監(jiān)控、運料監(jiān)控等典型工業(yè)過程的組態(tài)控制引

本書是高等學校開設數(shù)據(jù)科學導論或工程實踐等課程的配套用書。本書不僅介紹了數(shù)據(jù)科學的基礎知識，還特別引入了探索性數(shù)據(jù)分析流程的相關內(nèi)容，主要包括實踐平臺配置、數(shù)據(jù)預處理、數(shù)據(jù)存儲與管理、探索性數(shù)據(jù)分析、單模型學習算法、集成學習算法和數(shù)據(jù)可視化等；精心設計其中的函數(shù)應用實踐和綜合應用實踐，前者聚焦具體函數(shù)的解釋和應用，后者

本書根據(jù)教育部最新頒布的《高等職業(yè)教育�？菩畔⒓夹g課程標準（2021年版）》以及數(shù)字化時代人才培養(yǎng)目標的要求，結合信息技術發(fā)展動態(tài)和數(shù)字素養(yǎng)與技能教育趨勢，圍繞數(shù)字化意識、計算思維、數(shù)字化創(chuàng)新與發(fā)展、信息社會責任，全面系統(tǒng)地介紹了計算機基礎應用知識及其基本操作。以培養(yǎng)學生數(shù)字素養(yǎng)與技能為目標，全書設計為11個模塊，分為

本書的總體設計思路是以物聯(lián)網(wǎng)安裝調(diào)試員工作崗位為基準，以該類崗位的工作內(nèi)容為教學主線，按照理論—項目構建—項目實施的流程、從易到難組織教學過程、采用"項目教學法”教學模式，培養(yǎng)學生的物聯(lián)網(wǎng)設備檢測、安裝、調(diào)試及云平臺接入，設備運行監(jiān)控和故障維護的能力。本書共分6個項目，分別是環(huán)境監(jiān)測系統(tǒng)設備檢測與安裝、生產(chǎn)線運行管理系

"2021年，CSDN推出《新程序員》系列圖書，受眾定位于職業(yè)開發(fā)者、項目經(jīng)理、CTO&CIO。內(nèi)容定位在產(chǎn)業(yè)生態(tài)、前沿趨勢，并為開發(fā)者帶來更多來自于國內(nèi)外學術界、研究院所，以及產(chǎn)業(yè)界泰斗級大佬的深度思考。作為CSDN社區(qū)最優(yōu)質(zhì)、最權威性的精華內(nèi)容集合，讓開發(fā)者身在此山中，也可以遍覽群山。 《新程序員008：大模

本書剖析了圖像復原技術的最新進展，并探索了深度學習技術在圖像復原過程中的關鍵作用。內(nèi)容包括：基于傳統(tǒng)機器學習的圖像復原方法、基于卷積神經(jīng)網(wǎng)絡的圖像復原方法基礎、基于雙路徑卷積神經(jīng)網(wǎng)絡的圖像去噪方法、基于注意力引導去噪卷積神經(jīng)網(wǎng)絡的圖像去噪方法、基于級聯(lián)卷積神經(jīng)網(wǎng)絡的圖像超分辨率方法等。