Computing

This short book sets out the principles of the methods commonly employed in obtaining numerical solutions to mathematical equations and shows how they are applied in solving particular types of equations. Now that computing facilities are available to most universities, scientific and engineering laboratories and design shops, an introduction to numerical method is an essential part of the training of scientists and engineers. A course on the lines of Professor Wilkes's book is given to graduate or undergraduate students of mathematics, the physical sciences and engineering at many universities and the number will increase. By concentrating on the essentials of his subject and giving it a modern slant, Professor Wilkes has written a book that is both concise and that covers the needs of a great many users of digital computers; it will serve also as a sound introduction for those who need to consult more detailed works.

2011年漢諾威工業博覽會倡議「工業4.0」概念後，世界經濟論壇（WEF）即具體化解釋概念，定義為「智慧與互聯」的生產系統，意指感知及預測物理世界並與之互動，以便能夠即時支持生產決策。而在各主要科技大國重視「工業4.0」的政策驅動下，也各自發展出不同的架構模型，但卻始終未脫離智慧化、互聯及整合等核心範疇。工業4.0概念更重視分析數據結果以作為生產決策，即透過「物聯網、人工智慧、大數據、雲端運算」等關鍵技術為基礎，建構工業4.0的相關應用，將生產流程從自動化邁向智慧化。 工業4.0概念倡議至今十餘年，Siemens等自動化大廠已經成為引領產業發展的指標業者，而IBM、AWS等IT業者也積極的投入智慧製造，發展應用平台或數位工具。智慧製造解決方案可區分為機器運作端（機）、廠務管理端（廠）、營運管理端（鏈）三個環節，再依特性區分為不同的階段性新興應用。本書剖析建構智慧製造的關鍵因素，值得產業解決方案商及建置智慧工廠業者參考。 由於涉及異質技術整合應用，數位雙生（Digital Twin）成為智慧製造發展的關鍵挑戰，隨著感測、運算、通訊、軟體技術的革新發展，IT與OT業者在產品服務整合趨勢下，也已經逐步實現並落地於智慧製造場域。近年來國際大廠推動發展智慧製造及數位雙生的技術革新、布局動態與技術未來發展焦點，值得台廠關注以掌握未來的挑戰與契機。 邊緣運算（Edge Computing）及新興通訊技術的落地結合，是邁向製造場域關鍵智慧應用的「最後一哩路」。唯有在低延遲、高可靠的邊緣運算與新興通訊框架的驅動下，如「預測性維護、異質設備協作、MR/AR巡檢」等智慧製造應用才可望實現。 近年來製造業受到新冠疫情、地緣政治動盪衝擊、及淨零碳排時程迫近等因素影響，對於導入遠距生產、自動化管理的智慧化需求日漸增溫，對供應鏈上下游訊息掌握度的要求也在逐漸提升，而工廠智慧化的關鍵「數據」也漸被重視。各類新型態的數據治理（Data Governance）技術，被應用於不同製造環節的情境與案例，以及數據治理技術發展的最新趨勢分析，都是製造業者面對外部環境變動與挑戰的重要參考資訊。 臺灣中小型製造業是經濟發展的重要支柱，提升產業韌性實屬刻不容緩。如何檢視現行可用資源、善用數位科技轉型與提升競爭力，當業者必須面臨「公司資源有限、技術負債尚存、既有組織窠臼、缺乏數位人才」的數位轉型四大挑戰之際，如何提早

2011年漢諾威工業博覽會倡議「工業4.0」概念後，世界經濟論壇（WEF）即具體化解釋概念，定義為「智慧與互聯」的生產系統，意指感知及預測物理世界並與之互動，以便能夠即時支持生產決策。而在各主要科技大國重視「工業4.0」的政策驅動下，也各自發展出不同的架構模型，但卻始終未脫離智慧化、互聯及整合等核心範疇。工業4.0概念更重視分析數據結果以作為生產決策，即透過「物聯網、人工智慧、大數據、雲端運算」等關鍵技術為基礎，建構工業4.0的相關應用，將生產流程從自動化邁向智慧化。工業4.0概念倡議至今十餘年，Siemens等自動化大廠已經成為引領產業發展的指標業者，而IBM、AWS等IT業者也積極的投入智慧製造，發展應用平台或數位工具。智慧製造解決方案可區分為機器運作端（機）、廠務管理端（廠）、營運管理端（鏈）三個環節，再依特性區分為不同的階段性新興應用。本書剖析建構智慧製造的關鍵因素，值得產業解決方案商及建置智慧工廠業者參考。由於涉及異質技術整合應用，數位雙生（Digital Twin）成為智慧製造發展的關鍵挑戰，隨著感測、運算、通訊、軟體技術的革新發展，IT與OT業者在產品服務整合趨勢下，也已經逐步實現並落地於智慧製造場域。近年來國際大廠推動發展智慧製造及數位雙生的技術革新、布局動態與技術未來發展焦點，值得台廠關注以掌握未來的挑戰與契機。邊緣運算（Edge Computing）及新興通訊技術的落地結合，是邁向製造場域關鍵智慧應用的「最後一哩路」。唯有在低延遲、高可靠的邊緣運算與新興通訊框架的驅動下，如「預測性維護、異質設備協作、MR/AR巡檢」等智慧製造應用才可望實現。近年來製造業受到新冠疫情、地緣政治動盪衝擊、及淨零碳排時程迫近等因素影響，對於導入遠距生產、自動化管理的智慧化需求日漸增溫，對供應鏈上下游訊息掌握度的要求也在逐漸提升，而工廠智慧化的關鍵「數據」也漸被重視。各類新型態的數據治理（Data Governance）技術，被應用於不同製造環節的情境與案例，以及數據治理技術發展的最新趨勢分析，都是製造業者面對外部環境變動與挑戰的重要參考資訊。臺灣中小型製造業是經濟發展的重要支柱，提升產業韌性實屬刻不容緩。如何檢視現行可用資源、善用數位科技轉型與提升競爭力，當業者必須面臨「公司資源有限、技術負債尚存、既有組織窠臼、缺乏數位人才」的數位轉型四大挑戰之際，如何提早盤點本身能

本版《 MATLAB數值計算》是經 MATLAB、數值分析和科學計算之父 Cleve Moler本人正式授權的 Numerical Computing with MATLAB初譯本的修訂版。譯本全面繼承原著編寫宗旨和闡述內容。全書共 11章，內容涉及：MATLAB入門、線性方程組、插值、零點和根、小二乘、定積分、常微分方程、傅立葉分析、隨機數、特徵值和奇異值、偏微分方程。該書不以深奧的數值分析理論為重筆，而以易於理解的數學思維和便於掌握的數學計算編程邏輯為要旨。該書摒棄以往數值分析教材中常見的程式性定理、定理證明、收斂性理論和冗長公式推演。該書數值算法原理的表述，言簡意賅、層次豐富、見解獨到、權威精辟。譯本附錄 A是為幫助 MATLAB初學者理解本書代碼編寫的；附錄 B可供讀者從 MATLAB命令代碼查詢書中敘述；附錄 C可供讀者由專業中文詞匯檢索書中內容。配套於英文原版的 M文件由 Cleve Moler本人精心編寫，且被其本人引以為傲。讀者通過這些文件的運行、 GUI界面的操作以及文件代碼的研讀，可以更深入地理解數值計算編程之精粹，更通透地掌握交互操作編程之要領。該版修訂內容有：一，為適配 MATLAB R2022a，對該書所涉 MATLAB代碼進行了全面的審核、運行和修正；二，為充分適應 MATLAB自 R2016起提供的實時編輯器綜合工作環境，為本書各章節新編了適配於 MATLAB R2022a的 66個. mlx實時腳本文件。它們不僅匯集了對應節次的全部可運行代碼，而且可以確保那些代碼無障礙地運行。這些實時腳本也為教師、科技人員、學生製作可視化數字演講稿、科研報告、學習筆記提供了結構性框架。本書英文原版是 Cleve Moler專為高校研究生、本科生、理工科技人員編寫的數值計算與 MATLAB結合的一體性教材。初譯本自 2015年以來的發行記錄也表明，本書適合用作高校教材，也是廣大科技人員自學、精讀或隨時查閱的可信賴的參考書。

本書參照ACM和IEEE CS Computing Curricula 2020以及全國高等學校計算機教育研究會編制的《計算機核心課程規範――計算機程序設計(徵求意見稿)》的要求，面向大學計算機類專業本科教學的需要，系統地介紹C 程序設計語言的語法、語義和語用，使讀者掌握結構化程序設計方法和面向對象程序設計方法。全書分為兩部分: 第一部分是程序設計基礎(第1～9章)，主要介紹數據類型、運算符與表達式、控制結構、函數、數組、指針、自定義數據結構、輸入和輸出等程序設計的基本概念和結構化程序設計方法；第二部分是面向對象程序設計(第10～15章)，主要介紹類與對象、運算符重載、繼承和多態、異常和模板等面向對象程序設計的基本概念和程序設計方法。 本書注重知識的系統性和連貫性，在內容上注意與後續課程的銜接，強調嚴密的邏輯思維，突出程序設計方法的教學。 本書適合作為高等學校“程序設計基礎”或“高級語言程序設計”課程的教材，也可供廣大自學人員學習參考。

封面故事 量子電腦　掀起運算革命 超絕算力海放傳統二進制系統　企業預備銜接量子運算時代 文◎余采霏 被視為下世代運算工具的量子電腦（Quantum Computer），因具有強大的運算潛能而讓各界懷抱無限想像。尤其是新藥研發、新電池材料研究、金融投資、物流運送、交通壅塞等等古典電腦難以解決的問題，藉由量子運算將可望加速運算或是找出新的替代方案來突破當前困難的瓶頸。不只能與人工智慧、機器學習搭配運用，由於量子電腦具有超高的運算能力，只須短短幾分鐘就能破解複雜密碼，因此在資訊安全與加密貨幣等領域，預料也將帶來強烈的衝擊與變革。 儘管量子電腦現今尚處於非常早期的發展階段，商業化的目標仍有待克服，但為了更有效地協助企業銜接古典運算與量子運算，技術推廣者已開始把類量子運算／量子模擬器推展到市場，甚至提供量子運算即服務（Quantum Computing-as-a-Service，QCaaS）模式。對於企業而言，提早瞭解量子運算，將有助於未來的技術布局，根據Zapata Computing調查，全球已有69%企業打算盡快採用量子運算；而且高達74%的受訪者認為若未及時採用量子運算，企業將可能因此而失去競爭力。本期走訪業界專家，淺談何謂量子電腦，以及量子運算技術發展、應用現況與商用挑戰。 專題報導 雲網閘端全線防護　產業聯網資安成顯學 第五屆物聯網安全高峰論壇特別報導 文◎洪羿漣 疫情加速企業數位轉型，物聯網科技大量被導入商業營運與消費者生活中，然而缺乏資安防禦的物聯網裝置卻也成為駭客眼中的肥羊，導致資安事件逐年攀升，顯見企業若要善用物聯網科技來發展創新應用，資訊安全將是建構數位韌性必不可缺的基礎。本次《第五屆物聯網安全高峰論壇》前瞻技術盛會，匯集將近20位領域專家，深度探討工業控制、汽車電子、5G AIoT的資安技術，期能協助IT/OT管理者以宏觀的視野掌握產業脈動、了解實戰攻略，共同增進物聯網安全強度，在新科技應用場景發揮效益。 產業趨勢 腦機介面技術日臻成熟　臨床醫療寄予厚望 傳感器/大數據/AI技術加持　癲癇/中風/精神疾病治療迫切 文◎黃仕宗（資策會MIC資深產業分析師） 腦機介面（BCI）是在大腦和外部設備（或通過電極刺激體內神經）之間建立直接的人工連接，允許患者控制運動和設備、感知外部世界

AI的進化已擺脫GPU/TPU而進入FPGA/ASIC裏了！物聯網及Humanoid時代，專屬AI晶片將打造未來世界當特斯拉推出Humanoid Robot時，舉世嘩然，人形機器人將成真！當然人形機器人是不會有所謂的GPU在裏面的，相對的，針對人工智慧的專屬硬體已悄然進入我們的世界。從最初深度學習加速器的產業化，到以神經形態計算為基礎的類腦晶片迅速發展，AI晶片在數年內獲得了巨大進步。在未來5年或更長時間內，我們期待以新型記憶體為基礎、利用記憶體內計算的深度學習AI晶片能夠產業化，同時期待類腦晶片逐漸取代深度學習AI晶片。10～20年後AI晶片的形態：除了比現在強大得多的性能、極低的功耗外，它將不是現在這樣硬邦邦的一塊晶圓，而可能是可彎曲、可折疊甚至全透明的薄片，可以隨時隨選列印，可以植入人類體內，甚至可能是一種用蛋白質實現或依照DNA計算、量子計算原理設計的AI晶片。使用GPU/TPU做深度學習早已落伍，本書將帶你進入全新的AI世界，讓你一窺未來20年的巨大革命。本書特色 市面上第一本AI晶片詳解專書 500強企業首席科學家多年研究心血和前瞻未來的傾心總結 1超3強，世界頂級技術公司爭先恐後大力投入AI晶片，看見未來趨勢 超過200張豐富的圖表、表格，佐以深入紮實的講解，知識含金量大上升 讓你洞察5年、10年後的AI理論、技術，以及產業趨勢本書技術內容 深度學習AI晶片 神經形態計算和類腦晶片 近似計算、隨機計算和可逆計算等數學運算 自然計算和仿生計算 元學習與元推理 有機計算和自進化AI晶片 量子場論、規範場論與球形曲面卷積 重整化群與深度學習 超材料與電磁波深度神經網路 量子機器學習與量子神經網路專家推薦This is a timely, comprehensive, and visionary book on AI Chips such as deep learning and neuromorphic computing Chips. In spite of many revolutionary and cutting-edge advances, in both theory and hardware, that made such AI chips possible, the author has succeeded to

本書重點在深度機器學習框架下，圍繞上述關鍵問題，對筆者的研究經歷、研究成果和研究結論進行總結和歸納，主要內容如下：第一章主要介紹感知用戶界面(perceptual user interface，PUI)以及感知計算(perceptual computing)概念的提出和歷史發展，以及在感知計算語境下，基於表面肌電的手勢識別(下文中簡稱為“肌電手勢識別”)技術相比其他手勢識別技術的特點和優缺點，由此引出筆者的主要研究問題和本書主要架構。第二章描述表面肌電信號的產生機理，並對基於表面肌電的手勢識別技術進行綜述。第三章基於手勢動作與肌群產生的肌電信號的關聯性假設，介紹一種面向肌電手勢識別的多流融合深度學習方法，對前臂肌電信號生成的肌電圖像進行多流表徵，將得到的多個子圖像分別輸入多流卷積神經網絡各個分支中進行建模，之後通過特徵層多流融合，把多個分支學習到的深度特徵融合在一起。在不同肌電數據集上的結果表明，在多流融合深度學習框架下對前臂不同肌群的肌電信號進行關聯性建模，可以有效提高肌電手勢識別的準確率。第四章介紹了一種面向肌電手勢識別的多視圖深度學習方法，從稀疏多通道肌電信號中提取多個經典特徵集構建為肌電信號不同視圖的數據，然後通過一個深度學習框架下的視圖選擇過程，選取具有較優手勢識別性能的視圖，將其數據輸入多視圖卷積神經網絡中進行建模。相比單視圖學習，多視圖學習可以充分利用原始數據多個視圖下的信息，從而帶來性能的提升。第五章主要介紹肌電手勢識別中的領域偏移問題，並介紹一種面向肌電手勢識別系統的無監督領域自適應算法，以及其對筆者所提出不同深度神經網絡模型在會話間或被試間手勢識別測試時性能的影響。第六章對本書內容進行了總結，並對未來相關研究工作進行展望。