ДМК-Пресс Цифровая обработка сигналов на языке Python Дауни Аллен Б

Среда графического программирования LabVIEW (Laboratory Virtual Instrumentation Engineering Workbench) разработана фирмой National Instruments. Простота ее использования существенно ускоряет визуальное создание программ, высвобождая время, обычно уходившее на отладку, для понимания собственно процессов цифровой обработки сигналов • Входящие в состав книги лабораторные работы позволяют получить опыт работы в LabVIEW, который поможет развить практические навыки, необходимые для программирования в этой среде • Книга «Цифровая обработка сигналов на системном уровне с использованием LabVIEW» поможет вам существенно ускорить процесс изучения цифровой обработки сигналов. Она написана так, что может служить самоучителем для инженеров, которые хотят познакомиться с LabVIEW и использовать ее для разработки и анализа систем цифровой обработки сигналов

В книге изложены основы теории цифровой обработки сигналов. Акцент сделан на доступности изложения материала и объяснении методов и алгоритмов так, как они понимаются при практическом использовании. Цель книги — практический подход к цифровой обработке сигналов, позволяющий преодолеть барьер сложной математики и абстрактной теории, характерных для традиционных учебников. Изложение материала сопровождается большим количеством примеров, иллюстраций и текстов программ, которые вы также можете скачать на сайте издательства дмк.рф • Книга предназначена научным работникам и инженерам, желающим применять методы цифровой обработки в различных технических сферах. Рекомендуется аспирантам и студентам, изучающим цифровую обработку сигналов

Если вы хотите разобраться в основах теории и алгоритмов компьютерного зрения, то эта книга - как раз то, что вам нужно. Вы узнаете о методах распознавания объектов, трехмерной реконструкции, обработке стереоизображений, дополненной реальности и других приложениях компьютерного зрения. Изложение сопровождается понятными примерами на языке Python. При этом объяснения даются в общих чертах, без погружения в сухую теорию. Издание идеально подходит для студентов, исследователей и энтузиастов-любителей с базовыми знаниями математики и навыками программирования.. Краткое содержание книги: методы, применяемые для ориентации роботов, обработки медицинских изображений и в других приложениях машинного зрения; преобразования изображений, в частности деформирование текстур и создание панорам; вычисление трехмерной реконструкции по нескольким изображениям одной сцены; организация изображений по сходству или содержанию с применением методов кластеризации; разработка эффективных методов поиска изображений по содержанию; алгоритмы распознавания объектов и классификации изображений по содержанию; работа с популярной библиотекой OpenCV через интерфейс с Python

Если вы знаете, как программировать на Python и немного знаете о теории вероятности, значит, вы готовы освоить байесовскую статистику • Эта книга расскажет вам, как решать статистические задачи с помощью языка Python вместо математических формул и использовать дискретные вероятностные распределения вместо непрерывной математики. Когда вы уберете с дороги математику, байесовские основы станут яснее, и вы начнете применять эту технику для решения реальных проблем • Байесовские статистические методы становятся все более обширными и важными. Но в помощь начинающим доступно не слишком много источников. Изложенная в этой книге методика основана на материале проводимых автором студенческих занятиях и точно поможет вам сделать хороший старт! • Издание будет полезно всем специалистам по анализу данных, кто должен использовать статистические данные в условиях их неполноты или решать другие нетривиальные задачи, связанные с вероятностными распределениями

Наука о поведении сложных систем использует различные вычисления для изучения естественных и гуманитарных наук. В этой книге вы будете использовать графы, клеточные автоматы и агентные модели для изучения тем по физике, биологии и экономике • Независимо от того, являетесь ли вы программистом на Python или изучаете компьютерное моделирование в университете, вы углубитесь в изучение сложных систем с помощью серии проработанных примеров, упражнений, случаев из практики и простых для понимания объяснений

Данное практическое руководство познакомит нас с 10 простыми рекомендациями, помогающими писать программное обеспечение, которое легко поддерживать и адаптировать. Эти тезисы сформулированы па основании анализа сотен реальных систем • Написанная консультантами компании Software Improvement Group книга содержит ясные и краткие советы по применению рекомендаций па практике. Примеры для этого издания написаны па языке С#, по существует аналогичная книга с примерами на языке Java • Издание предназначено программистам на С#, желающим научиться писать качественный и хорошо поддерживаемый код

Изучите компьютерное программирование с помощью Processing – простого языка, предназначенного для создания рисунков, анимации и интерактивной графики. Курсы программирования обычно начинаются с теории, но эта книга сразу же переходит к творческим и занимательным проектам. Она идеально подходит для всех, кто хочет научиться программировать, и служит простым введением в компьютерную графику для людей, которые уже имеют некоторые навыки программирования • Написанная создателями языка Processing, эта книга шаг за шагом проведет вас через процесс обучения и поможет понять основные принципы программирования. Присоединяйтесь к тысячам любителей, студентов и профессионалов, которые открыли для себя эту бесплатную образовательную платформу

С позиций временного и частотного подходов излагаются вопросы теории цифровой обработки сигналов. Рассматриваются классификация, характеристики и структурные схемы, а также шумовые модели цифровых фильтров (вещественных и комплексных, скалярных и векторных) • Разработана методика анализа шумов квантования векторных цифровых фильтров. Рассматриваются алгоритмы нелинейной цифровой обработки сигналов в системах связи на основе метода комплексной огибающей, а также методы построения цифровых моделей аналоговых систем • Изложены методы математического синтеза одномерных скалярных вещественных нерекурсивных и эвристического синтеза рекурсивных цифровых фильтров. Разработаны алгоритмы синтеза одномерных скалярных комплексных цифровых фильтров (нерекурсивных и рекурсивных)

Среда графического программирования LabVIEW (Laboratory Virtual Instrumentation Engineering Workbench) разработана фирмой National Instruments. Простота ее использования существенно ускоряет визуальное создание программ, высвобождая время, обычно уходившее на отладку, для понимания собственно процессов цифровой обработки сигналов. Эта книга предназначена для инженеров-практиков, а также для технических специалистов в области программного и аппаратного обеспечения, работающих с процессорами цифровой обработки сигналов и занимающихся разработками на системном уровне. Она также будет полезна студентам технических вузов. Входящие в состав книги лабораторные работы позволяют получить опыт работы в LabVIEW, который поможет развить практические навыки, необходимые для программирования в этой среде

Если вы хотите научиться программировать на языке Python, который в последнее время становится популярным у нас в стране и за рубежом, то эта книга — для вас. В ней рассматриваются особенности разработки компьютерных программ и соответствующие инструкции языка Python, основные структуры данных этого языка (строки, списки, словари, файлы), типовые задачи программирования и методы их решения, а также вопросы совершенствования программы на основе использования функций. Впервые системно и популярно изложена методика разработки программ на языке Python с графическим пользовательским интерфейсом • Книга предназначена для всех, кто изучает или преподает программирование • Основные инструкции языка и структуры данных • Типовые задачи программирования, полезные советы • Задачи из ЕГЭ по информатике • Методика разработки графического интерфейса

С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность. Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python • С этой книгой вы научитесь • применять большинство масштабируемых алгоритмов машинного обучения • работать с новейшими крупномасштабными методами машинного обучения • увеличивать прогнозную точность при помощи методов глубокого обучения и масштабируемых методов обработки данных • работать с вычислительной парадигмой Map-Reduce в платформе Spark • применять эффективные алгоритмы машинного обучения на основе платформ Spark и Hadoop • создавать мощные ансамбли в крупном масштабе • использовать потоки данных для обучения линейных и нелинейных прогнозных моделей на чрезвычайно больших наборах данных, используя всего одну машину