欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
有书有礼贺新年|每满100减50
中图网
>
全部分类
>
计算机/网络
>
计算机理论
>
100元以上
清除筛选
出版社：
所有出版社 B D G H J K Q R S Y Z
确定 取消
更多
展开
折扣：
6/6 < >
  • 量子计算机研究(下册)——纠错和容错计算

    量子计算机研究(下册)——纠错和容错计算

    李承祖 著  /  2024-07-01  /  科学出版社
    ¥132.7(7.9折)定价:¥168.0

    量子信息学是20世纪80年代以量子物理学为基础，融入计算机科学、经典信息论形成的新兴交叉学科，主要包括量子通信和量子计算两个分支。本书是关于量子计算机研究，分上、下两册出版。上册是关于量子计算机原理和物理实现，下册是关于量子纠错和容错量子计算。本书为下册，内容包括经典纠错码理论、CSS量子纠错码、稳定子量子纠错码、无消相干子空间和无消相干子系统理论、容错量子计算、拓扑量子计算等。书后附录内容包括量子力学概要、量子纠错码的群论基础、群表

    加入购物车 收藏
  • 数据开放与数据安全的政策协同研究

    数据开放与数据安全的政策协同研究

    马海群 著  /  2025-01-01  /  科学出版社
    ¥158.0(7.9折)定价:¥200.0

    本书在描述和探讨开放数据和数据治理定义、特点、类型及相关概念、基本理论基础上，探讨开放数据与数据安全的协同关系、协同模式及协同发展建议，以开放数据政策和数据安全政策内涵分析为引导解读国内外开放政府数据和数据安全的政策进展，既在理论上阐释基于证据的政府数据开放政策制定和我国数据安全政策评估，又展示开放数据与数据安全政策制定的实地实验分析，有创新性地构建开放数据与数据安全政策协同原理及框架、探析开放数据政策与数据安全政策协同环境及风险，重

    加入购物车 收藏
  • 金融大模型开发与应用实践

    金融大模型开发与应用实践

    张治政 著  /  2024-10-01  /  清华大学出版社
    ¥104.3(7.5折)定价:¥139.0

    "《金融大模型开发与应用实践》循序渐进、深入讲解了金融大模型开发与应用实践的核心知识,并通过具体实例的实现过程演练了各个知识点的用法。全书共11章,分别讲解了大模型基础、数据预处理与特征工程、金融时间序列分析、金融风险建模与管理、高频交易与量化交易、资产定价与交易策略优化、金融市场情绪分析、区块链与金融科技创新、基于深度强化学习的量化交易系统(OpenAIBaselines+FinRL+DRL+PyPortfolioOpt)、基于趋势

    加入购物车 收藏
  • 基于短文本的学习分析方法与应用

    基于短文本的学习分析方法与应用

    叶俊民 著  /  2024-06-01  /  科学出版社
    ¥117.7(7.9折)定价:¥149.0

    本书从理论、方法与实践三个视角出发，对基于短文本的学习分析进行研究与阐述。在理论与方法研究方面，主要内容涉及基于短文本学习分析的理论框架、基于短文本情感增强的学习者成绩预测方法、资源推荐和问题回答者推荐方法、基于短文本学习分析的评测方法和短文本错误数据处理方法等。在实践方面，相关内容涉及基于短文本学习分析的预测与推荐应用、个体与团队学习者认知投入评测、学习者深度学习能力评测等方面的实践内容...

    加入购物车 收藏
  • 人工智能科学——智能的数学原理

    人工智能科学——智能的数学原理

    李昂生 著  /  2024-11-01  /  科学出版社
    ¥156.4(7.9折)定价:¥198.0

    本书建立人工智能的信息的科学原理。全书有五部分。第Ⅰ部分，人工智能总论，提出信息世界的科学概念，以信息为支点建立科学体系的理论；第Ⅱ部分，信息基本定律，建立了信息世界的基本定义和基本定律；第Ⅲ部分，信息的数学原理，建立了以信息演算理论（离散系统的微积分）、信息解码原理和信息生成原理为三大支柱的信息科学体系的数学原理；第Ⅳ部分，智能的信息科学原理，建立了包括学习的信息理论、自我意识的信息理论、博弈/谋算理论为三大支柱的人工智能的信息科学

    加入购物车 收藏
  • 网络表示学习的理论与应用

    网络表示学习的理论与应用

    王静红 著  /  2024-12-01  /  科学出版社
    ¥101.1(7.9折)定价:¥128.0

    本书介绍了在人工智能与大数据时代背景下，网络表示学习的理论与应用。提出了网络表示学习的关键在于将网络中的节点映射到低维空间，形成能够反映节点间复杂关系的向量表示。书中讨论了各种先进的网络表示学习方法，如基于图注意力机制、图自编码器和深度学习技术，并提供了大量实验和案例分析，展示了这些方法在不同数据集上的应用效果。这些案例覆盖了社交网络、生物信息学、知识图谱等领域，证明了网络表示学习技术在多样化场景中的适用性和有效性。通过系统的理论基础

    加入购物车 收藏
本类畅销
本类新书

本站常销

新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

返回顶部