《建筑工程概论》（第三版）共分五大部分，主要内容有：中外建筑科学与建筑技术、建筑艺术发展概况，世界建筑体系与造园艺术概况；建筑结构与建筑构造基本知识；建筑设计与抗震设防知识，城市生态环境与建筑环境规划知识，绿色建筑基本知识，各类经典工程案例分析，建筑设计简介；常用建筑材料特性、用途及其生产工艺；建筑设备（给排水、采暖通风、电气、智能化建筑）知识，建筑施工组织设计及施工工艺与技术等。
本书由执教几十年的教研一线专业教师编著，适用范围较为广泛，多年来被高等院校硕、本、专不同学历层次教学所选用。

本书以MIPS架构为基础，详细讲述了MIPS单周期主机，多周期主机以及带中断外设的整机的设计思想，并依托一些常见开源设计平台，介绍了大量具体样例的设计步骤、仿真步骤等过程。本教材的主要目标群体就是具备一定计算机组成原理知识，并想借助一些开源平台进行动手实践完成具体元件、主机以及最终整机的设计实验的学生以及自学者。

本书结合《房屋建筑制图统一标准》《总图制图标准》《建筑制图标准》和《房屋建筑CAD制图统一规则》这四个标准，以及相关的建筑设计规范，由浅入深地向读者介绍了AutoCAD2022中文版的各项功能。全书可分为三大部分，共16章。第一部分包括1-9章，介绍了AutoCAD绘制和编辑的基础知识；第二部分包括10-13章，介绍了AutoCAD在建筑制图中的应用，包括建筑单体的平、立、剖面图纸的绘制，建筑详图的绘制，以及三维图形的建模和效果图的绘制；第三部分包括14-16章，介绍了AutoCAD图

本教材是"全国高等医药院校药学类研究生规划教材"之一,系根据化学制药工艺研究方法、不对称合成等课程标准的基本要求和课程特点编写而成,全书共分九章,涵盖药学及化学领域的前沿技术及新知识、新方法等内容.本教材具有创新性、专业性、系统性、普适性等特点.

"本书是作者在多年来讲授“通信与网络”课程的基础上，集体分工编写完成的，以介绍信息传输的基本原理、方法和关键技术为主要目的。本书主要内容可以概括为数字调制、信道编码、信源编码、局域多址通信、信息重传与交换、网络层与传输层等六部分，以上六部分内容分别由陈巍、周世东、王劲涛、周盛、钟晓峰、李勇六位作者依次完成编写。 本书面向电子信息类、通信工程类、计算机类、集成电路类等相关专业的学生（本科为），以及希 望学习通信相关入门理论与技术的科研人员和工程技术人员。本书可作为“通信与网络”课程的教材，也 可作

课程总学时分理论授课和PBL小项目实践两部分，也可全为理论授课。以产品全生命周期的设计、生产、运维、再循环阶段为串联，从相关的流程及其关键使能技术视角出发，按8章来组织制造服务及其智能化的相关内容，并明确产品全生命周期在设计、生产、运维、再循环等阶段的流程与系统方面的问题，依据各阶段解决工程问题的流程、关键技术与方法为出发点，讲解制造服务及其智能化的概念、模型与算法、应用案例等，将其与服务、人工智能技术相融合，强调协同、交互。

"计算机图形学是研究真实或虚拟物体在计算机中的图形表示及交互的一门学科，在工业制造、影视制作、娱乐游戏、计算机仿真等领域有着广泛的应用。随着云计算、虚拟/增强现实、生成式人工智能等新一代信息技术的发展，计算机图形学的理论和方法不断充实与更新，尤其近年来以神经辐射场、三维高斯泼溅等为代表的神经绘制，以及以神经隐式表示为代表的深度几何学习和建模，大有以神经绘制流水线变革传统图形绘制流水线的发展趋势，加之大模型技术的发展和引入，对计算机图形学建模、绘制、动画等内容都有大幅的更新和扩展，且已经广泛

本书是《数据结构教程(Java语言描述)》（第2版微课视频版）(李春葆、李筱驰主编，清华大学出版社出版，2025年，以下简称《教程》)的配套学习和上机实验指导书，书中详细给出了《教程》中所有练习题和上机实验题的解题思路和参考答案，以及在线编程题的AC代码。本书中的练习题和实验题不仅涵盖数据结构课程的基本知识点，还体现了各知识点的运用和扩展，学习、理解和借鉴这些参考答案是掌握和提高数据结构知识的最佳途径。本书自成一体，可以脱离主教材单独使用。

本书可作为高等院校计算机及相关专业

本书对Java编程原理、基础知识、核心技术进行了由浅入深、循序渐进的介绍。全书共13章，包括Java概述、Java程序的结构及类型、Java语言基础、抽象和封装、继承和多态、Java核心类、图形用户界面、输入输出流、JDBC数据库连接、Java异常处理、并发编程基础、Java与Java Web以及课程设计综合案例。书中重要知识点都与案例紧密结合，有助于读者理解知识、掌握知识、应用知识。本书内容逻辑顺序安排合理，讲解浅显易懂，有学习方法指导、典型案例作为参考，非常实用。

本书可

深度学习是人工智能中的核心问题之一，本书较系统地介绍了深度学习的基本内容，共15章，分别为概述、前馈神经网络、卷积神经网络、循环神经网络、深度残差神经网络、Transformer模型、生成对抗网络、深度信念网络、胶囊神经网络、自编码器、强化学习、脉冲神经网络、迁移学习、元学习和大语言模型。
本书注重基本概念、基本方法、基本模型和基本应用的介绍，并通过应用实例来说明深度学习模型与算法，语言精练，逻辑层次清晰，内容先进实用，可以作为大学深度学习课程的教材，也可以作为应用深度学习的科技