Tactical Missile Design, Second Edition “扫描版,只能找到扫描版的,还可以” This is the first textbook offered for tactical missile design in over forty years. It is oriented toward the needs of aerospace engineering students, missile engineers, and missile program managers. It is intended to provide a basis for including tactical missile design as part of the aerospace engineering curriculum, providing new graduates with the knowledge they will need in their careers. The author’s decades of experience in the development of tactical missiles and their technologies is presented in an integrated handbook method for missile design. It uses simple closed-form analytical expressions that are physics-based to provide insight into the primary driving parameters. The text also provides example calculations of rocket-powered and ramjet-powered baseline missiles, typical values of missile parameters, examples of the characteristics of current operational missiles, discussion of the enabling subsystems and technologies of tactical missiles, and the current/projected state of the art of tactical missiles. Included with the text is a CD-ROM containing electronic versions of the figures; 29 videos showing examples of design considerations, development testing, manufacturing, and technologies; 6 design case studies; configuration sizing methods; and an aerospace engineering outreach program for middle school students.
2024-08-29 11:36:32 31.18MB 战术导弹设计
1
The Algorithm Design Manual Second Edition 20-带书签目录超清文字版.pdf 这个是带完整目录书签的文字版本,文本内容可以复制的哦
2024-04-13 23:46:34 3.82MB
1
Java第二版中的自然语言处理 这是Packt发行的《 进行的代码库。 用于NLP的机器学习和神经网络模型的构建技术 这本书是关于什么的? 自然语言处理(NLP)允许您使用任何句子并识别模式,特殊名称,公司名称等。 《 Java自然语言处理》第二版教您如何在Java库的帮助下执行语言分析,同时不断从结果中获得见解。 本书涵盖以下激动人心的功能: 了解基本的NLP任务以及它们之间的关系 发现并使用可用的令牌化引擎 应用搜索技术来查找文档中的人物和事物 构建解决方案以识别句子中的词性 使用解析器提取文档元素之间的关系 如果您觉得这本书适合您,请立即获取! 说明和导航 所有代码都组织在文件夹中。 例如,Chapter02。 该代码将如下所示: System.out.println(tagger.tagString("AFAIK she H8 cth!")); System.out
2024-03-07 16:22:02 297KB Java
1
802.11® Wireless Networks The Definitive Guide, Second Edition .pdf 英文版,经典
2024-02-23 14:32:33 9.48MB 802.11
1
使用scikit-learn掌握机器学习-第二版 这是发行的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 本书探讨了各种机器学习模型,包括k最近邻,逻辑回归,朴素贝叶斯,k均值,决策树和人工神经网络。 它讨论了数据预处理,超参数优化和集成方法。 您将建立对文档进行分类,识别图像,检测广告等的系统。 您将学习使用scikit-learn的API从分类变量,文本和图像中提取功能; 评估模型性能; 并就如何改善模型的性能形成直觉。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头,后跟应用程序名称。 例如,Chapter02。 该代码将如下所示: Code words in text, database table names, folder names, filenames, file extensions, pathnames, dummy U
2024-02-17 17:49:07 2.77MB JupyterNotebook
1
scikit-学习食谱-第二版 这是出版的的代码存储库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 由于Python的简单性和灵活性,PythonSwift成为分析人员和数据科学家的首选语言,并且在Python数据空间中,scikit-learn是机器学习的明确选择。 本书包括机器学习中常见问题和不常见问题的演练和解决方案,以及如何利用scikit-learn有效执行各种机器学习任务。 第二版首先介绍了评估数据统计属性的方法,并生成了用于机器学习建模的综合数据。 在阅读本章的过程中,您会遇到一些菜谱,这些菜谱将教您实现一些技术,例如数据预处理,线性回归,逻辑回归,K-NN,朴素贝叶斯,分类,决策树,合奏等等。 此外,您将学习通过多类分类,交叉验证,模型评估来优化模型,并深入研究以scikit-learn实施深度学习。 除了涵盖模型部分,API和分类器,回归器和估计器等
2024-02-17 17:47:23 33.77MB JupyterNotebook
1
解一维二阶双曲方程的一个新型四阶紧致差分格式,丁恒飞,张玉新,在本文中,我们提出了一个解一维二阶非齐次线性双曲方程的新型四阶紧致差分格式,且给出了其稳定性分析,最后,数值例子验证了此
2024-01-10 18:56:00 213KB 首发论文
1
QT入门级示例代码,其中包含了QT GUI的绝大部分功能实现,其中涉及了大部分QT控件相关的类操作,实现了类似于Excel的软件功能。附带QT教材。本示例程序对应教材前四章(本人从QT小白边看教材边写程序,以自身经历说明,基本看完教材前四章并完成示例程序的编写,你就完全可以编写自己的QT软件了)。
2023-12-20 18:11:22 15.31MB GUI SpreadSheet Widget
1
使用Yocto项目进行嵌入式Linux开发-第二版 这是发行的进行的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 Yocto Project被证明是创建可靠的嵌入式Linux项目的最佳集成框架。 它具有诸如缩短开发时间,提高可靠性和健壮性等功能,因此具有优于其他框架的优势。 使用Yocto Project进行嵌入式Linux开发首先是对所有Yocto Project工具的深入说明,以帮助您执行不同的基于Linux的任务。 然后,本书继续深入介绍Poky和BitBake。 它还包括使用嵌入式Linux可用的Yocto Project工具构建Linux子系统项目的一些实际用例。 本书还涵盖了SDK,recipetool等主题。 到本书结尾,您将学习如何为实际的硬件板生成和运行映像,并获得使用Yocto Project构建高效Linux系统的动手经验。 说明和导航
2023-12-16 10:38:45 287KB BitBake
1
机器学习算法第二版 这是Packt发布的《 的代码库。 流行于数据科学和机器学习的算法 这本书是关于什么的? 机器学习以其强大而快速的大型数据集预测而获得了极大的普及。 但是,强大功能背后的真正力量是涉及大量统计分析的复杂算法,该算法搅动大型数据集并产生实质性见解。 本书涵盖以下激动人心的功能: 研究特征选择和特征工程过程 评估性能和误差权衡以进行线性回归 建立数据模型并使用不同类型的算法了解其工作方式 学习调整支持向量机(SVM)的参数 探索自然语言处理(NLP)和推荐系统的概念 如果您觉得这本书适合您,请立即获取! 说明和导航 所有代码都组织在文件夹中。 例如,Chapter02。 该代码将如下所示: from sklearn.svm import SVC from sklearn.model_selection import cross_val_score svc =
2023-12-15 16:31:18 97KB Python
1