本書從元宇宙的起源和現實應用場景出發，基於元宇宙的“BIGCHINA”技術框架，為讀者依次揭開元宇宙背後八大硬科技—區塊鏈(Blockchain)技術、交互(Interactivity)技術、通信技術(Communication Technology，5G、6G)、雲和邊緣計算(Cloud and Edge Computing)技術、高性能計算和量子計算(High-Performance Computing and Quantum Computing)技術、物聯網和機器人(IoT and Robotics)技術、網絡(Network)技術、人工智能(Artificial Intelligence)技術的神秘面紗。本書將上述八大支撐技術與元宇宙中的諸多實際和潛在應用相結合，生動地繪製出一幅元宇宙的“技術圖譜”，為想要瞭解元宇宙及其背後核心技術的讀者提供有趣的科普閱讀體驗。此外，本書在一定程度上突破了從單一技術視域分析元宇宙的局限，對讀者瞭解當前元宇宙技術整體發展現狀和未來趨勢有一定的借鑒意義。
《求解代數特征值問題模板實用指南(影印版)》內容簡介：large-scale problems of engineering and scientific computing often require solutions of eigenvalue and related problems. this book gives a unified overview of theory, algori
本書從實用的角度出發，參照美國計算機協會（Association for Computing Machinery，ACM）和美國電氣電子工程師學會（Institute of Electrical and Electronic Engineers，IEEE）的計算教程（Computing Curricula）2014-201關於軟件工程的要求，吸取了國內外軟件工程的精華，詳細介紹了軟件工程、軟件開發過程、軟件計劃、需求分析、總體設計、詳細設計、編碼、軟件測試、軟件維護、軟件工程標準化和軟件文檔、軟件工程質量、軟件工程項目管理、開發實例、經典例題分析等知識。每章配有習題，以指導讀者深入地進行學習。本書內容豐富，結構合理，既可作為高等學校軟件工程、計算機專業課程的教材或教學參考書，也可作為通信、電子信息、自動化等相關專業讀者的計算機課程教材，還可供軟件工程師、軟件項目管理者和應用軟件開發人員閱讀參考。
本書是國際著名演算法專家李德財教授主編的系列叢書"Lecture Notes Series on Computing”中的一本。本書涵蓋了絕大多數演算法設計中的一般技術，在表達每一種技術時，闡述它的應用背景，注意用與其他技術比較的方法說明它的特徵，並提供大量相應實際問題的例子。全書分七部分19章，從演算法設計和演算法分析的基本概念和方法入手，先後介紹了遞迴技術、分治、動態規劃、貪心演算法、圖的遍歷
《計算機科學導論(第7版)(微課版)》將理論講解和實際應用相結合，參照美國計算機協會(Association for Computing Machinery，ACM)與美國電氣和電子工程師協會(Institute of Electrical and Electronic Engineers，IEEE)的《計算學科教程2020》(Computing Curricula 2020)，對計算機科學與技術進行了系統和科學的闡述。《計算機科學導論(第7版)(微課版)》主要介紹了體系結構與組織、程序設計語言、軟件開發基礎、算法與複雜度、信息管理、基於平臺的開發、軟件工程、操作系統、網絡與通信、系統基礎、並行和分布式計算、信息保障與安全、離散結構、計算科學、圖形學與可視化、人機交互、智能系統、社會問題與專業實踐等18個知識體，目的是讓讀者瞭解計算機科學與技術學科基礎知識的全貌。書中每章末尾均配有一定數量的習題，以便讀者鞏固所學知識。 《計算機科學導論(第7版)(微課版)》既可作為高等學校計算機科學與技術專業學生的基礎課程教材，也可作為網絡工程、網絡空間安全、信息安全、數據科學與大數據技術、智能科學與技術、人工智能、信息管理與信息系統、空間信息與數字技術、通信工程、電子信息工程、信息工程、物聯網工程、電子科學與技術、自動化等相關專業學生的計算機課程教材。
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。
本書是德國施普林格出版社出版的Number Theory for Computing（2nd Edition）的譯作。作者長期從事計算數論與計算復雜性理論的研究，擅長于從數論和計算機科學的結合上研究數論算法和密碼算法的復雜性以及難解性。本書是一本學術專著，主要內容包括初等數論、計算數論、計算與密碼學中的數論，敘述清楚易懂，適合作為數學專業和計算機專業的研究生或高年級本科生的教材。
