本书全面系统地介绍了XML的基本原理和关联技术，注重XML技术体系的整体性和连续性，便于读者快速把握各组成技术在XML中所起的主要作用。全书共10章,介绍了XML的基础知识、XML的验证处理、XML的呈现与转换、XML的编程接口和应用等内容。各章最后均提供了习题和延伸阅读材料，便于读者巩固和拓展所学知识。本书不仅可供信息管理与信息系统、计算机专业的本科生/专科生使用，也可供信息技术领域的研究生和工程技术人员参考使用。

内容简介 本书不仅介绍了C0M的基本原理及其扩展知识，还讲述了MTS及COM＋的一些知识。全书分为三 部分，第一部分为C0M基础，第二部分为C0M扩展，第三部分为COM 应用与发展，介绍了组件化程序设 计思想以及多层软件结构模型。读者在学习了COM 的基本原理之后，结合MTS和C0M＋所倡导的一些 概念，就可以从更高的层次来理解和使用C0M及C0M＋了。

本书主要介绍TMS320C67xx系列DSP芯片的基本特点、硬件结构及内部各模块的功能，并结合应用示例讲解各模块的工作原理；详细介绍CodeComposerStudio集成开发环境，说明基本的C语言应用程序框架及混合编程的方法。书中还包含大量DSP芯片的应用和算法示例程序。

内容简介 本书不仅介绍了C0M的基本原理及其扩展知识，还讲述了MTS及COM＋的一些知识。全书分为三 部分，第一部分为C0M基础，第二部分为C0M扩展，第三部分为COM 应用与发展，介绍了组件化程序设 计思想以及多层软件结构模型。读者在学习了COM 的基本原理之后，结合MTS和C0M＋所倡导的一些 概念，就可以从更高的层次来理解和使用C0M及C0M＋了。

本书主要介绍TMS320C67xx系列DSP芯片的基本特点、硬件结构及内部各模块的功能，并结合应用示例讲解各模块的工作原理；详细介绍CodeComposerStudio集成开发环境，说明基本的C语言应用程序框架及混合编程的方法。书中还包含大量DSP芯片的应用和算法示例程序。

目前已经有很多介绍XML开发的书籍，但它们之中的大多数似乎更侧重于理论，实用性不是很强，对于初学者而言，显得有点深奥，很难轻松上手。本书在介绍XML基本理论的基础上，介绍了XML编辑器和XML开发环境的构建。然后介绍了两种XML实用开发技术。一种是Xerces编程技术，在对Xerces功能进行分析并对SAX，SAX2和DOM等编程规范进行描述的基础上，设计实现了一个Xerces应用实例；另一种是BDBXML编程技术，在介绍BDBXML基本知识，对Xml管理器和容器，在BDBXML中使用XQuery，以及BDBXML索引和事务进行描述的基础上，设计实现了一个BDBXML应用实例。本书适合于初学XML编程的程序员阅读，也适合于具有一定XML编程基础的程序员阅读，书中的实例对读者的实际应用开发有非常强的借鉴意义。

Datawhale的开源大模型实战教程，透彻解读4类常见NLP任务的系统设计，3种方式书-课-代码仓库全方位学习，每个人都可以用大语言模型轻松做出自己的AI产品， 5位人工智能领域学者吴飞、周明、朱信忠、金耀辉、张俊林亲笔推荐！ ◎编辑推荐： 适读人群 ：适合所有对大语言模型感兴趣的开发者阅读 1. Di一本基于大语言模型进行商业应用开发的书； 2. 以任务（相似匹配、句词分类、文本生成、复杂推理）为中心，内容不仅可用于ChatGPT，也适用于其他大语言模型； 3. 侧重于任务的讲解与设计，思路可用于任何项目； 4. 有详细的示例代码，大部分的代码稍作修改后可用于生产环境，还有Datawhale的HuggingLLM开源教程、B站视频课程，书-课-代码仓库全方位助力学习与实践； 5. Datawhale开源社区又一力作，五位人工智能领域学者吴飞、周明...(展开全部)

本书从空间信息处理角度出发，将人工智能领域的理论研究与专业实践相结合，完整介绍人工智能方法及其在空间信息处理中的应用，不仅涵盖人工智能领域的基础概念与基本方法，而且探讨知识图谱、计算智能、新兴机器学习、深度学习等前沿技术，同时介绍人工智能在地理文本大数据、遥感影像、激光点云等空间信息处理中的应用实例，具有较强的代表性和启发性。 本书可以作为高等院校空间信息与数字技术、遥感科学与技术等专业高年级本科生和研究生学习人工智能技术的教材，也可供计算机、电子信息、自动控制、地球测绘等领域从事空间信息智能处理工作的科技人员学习和参考。

本书主要介绍了食品调味料中呈香呈味物质的分类、化学成分、结构特点、相互作用、生化感知原理，麻辣味、烧烤味、咖喱味、酸辣味等风味的调配技术和配方，各种食品调味料的生产工艺和风味特点，以及食品调味料生产过程中有关的法规和标准。

本书系统性地介绍了深度学习的原理、关键技术及相关应用，首先从基本概念、必备的线性代数、微积分、概率统计等数学知识等入手，这些预备知识可帮助读者更好地理解深度学习技术。接着对深度学习方法和技术进行了详细介绍，包括卷积神经网络、反馈神经网络、循环神经网络、生成对抗网络等，针对每个技术都力图用简单易懂的语言、详尽的公式推导说明和生动的图形展示知识点，并附上应用样例，便于读者将概念、原理、公式和应用融会贯通。本书还考虑到初学者尽快入门的需求，对深度学习开发工具和处理技巧进行了细致的梳理和总结。最后本书对深度学习应用前景、发展趋势、未来研究趋势等进行了分析，具有一定前瞻性。本书涵盖了大量深度学习的技术细节，适用于不同层次的读者。