ieee參考文獻格式的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

深入淺出TCP/IP和VPN

為了解決ieee參考文獻格式的問題，作者李宗標 這樣論述：

本書以RFC為基礎，以“TCP/IP→MPLS→MPLS VPN”為主線，系統介紹了相關的網路通訊協定，包括TCP/IP體系的基本協議（實體層、資料連結層、網路層、傳輸層、應用層）、路由式通訊協定（OSPF、IS-IS、RIP、BGP），以及MPLS和MPLS VPN。 本書盡可能地以相對輕鬆的筆調來講述略顯枯燥的網路通訊協定知識。本書也盡可能地深挖網路概念背後的細節和本質，期望做到生動有趣、深入淺出，能給讀者枯燥的學習增加一點輕鬆快樂。 本書適用於對網路通訊協定零基礎而期望入門或者有一定基礎而期望能有所提高的讀者，適用于深入網路通訊協定開發/測試的讀者，適用于電腦系統維護的管理員，也適用

於僅僅希望對網路通訊協定做一些簡單瞭解的讀者。 第0章　電腦網路模型 0.1 OSI七層模型 2 0.2 TCP/IP模型 6 第1章　實體層淺說 1.1 通信系統基本模型 10 1.1.1　編碼 10 1.1.2　碼元 15 1.1.3　調製與解調 15 1.1.4　通道 16 1.2 傳輸媒體 22 1.2.1　導向媒體 23 1.2.2　非導向媒體 31 1.3 實體層綜述 34 第2章　資料連結層 2.1 資料連結層的基本使命 37 2.1.1　信息成幀 38 2.1.2　透明傳輸 49 2.1.3　差錯檢測 51 2.2 點對點通訊協定 55 2.2.1　PP

P綜述 55 2.2.2　LCP 61 2.2.3　IPCP 71 2.3 乙太網 72 2.3.1　局域網和IEEE 802概述 73 2.3.2　乙太網的起源 78 2.3.3　乙太網的框架格式 79 2.3.4　IEEE 802.3概述 83 2.3.5　乙太網的發展 94 2.4 生成樹協議 97 2.4.1　橋接器的基本原理和環路廣播風暴 98 2.4.2　STP的基本原理 101 2.4.3　BPDU框架格式 115 2.4.4　STP的收斂時間 117 2.4.5　快速生成樹協議 119 2.5 VLAN 130 2.5.1　VLAN的框架格式 132 2.5.2　橋接器的VLA

N介面模式 133 2.5.3　VLAN幀轉發 136 2.5.4　QinQ 138 2.6 資料連結層小結 138 第3章　網路層 3.1 Internet發展簡史 141 3.1.1 ARPANET的誕生 141 3.1.2 TCP/IP的誕生 142 3.1.3 Internet的誕生 143 3.1.4 WWW的誕生 146 3.1.5 Internet之父 147 3.1.6 中國互聯網夢想的起步 148 3.2 IP地址 155 3.2.1 IP的分配和分類 156 3.2.2 子網 158 3.2.3 私網IP 161 3.2.4 環回IP 163 3.2.5 單播、廣播、組播

166 3.3 IP報文格式 170 3.3.1 IP報文格式綜述 170 3.3.2 幾個相對簡單的欄位 172 3.3.3 服務類型 173 3.3.4 分片 178 3.3.5 可選項 180 3.3.6 頭部校驗和 182 3.4 ARP 183 3.4.1 ARP概述 184 3.4.2 動態ARP與靜態ARR 187 3.4.3 ARP的分類 189 3.4.3 RARP 195 3.4.5 組播的MAC地址 197 3.5 IP路由 200 3.5.1 路由器轉發模型 202 3.5.2 路由表 204 3.5.3 等價路由 208 3.5.4 路由備份 209 3.5.5 策

略路由與路由策略 213 3.6 ICMP 216 3.6.1 ICPM錯誤報告 219 3.6.2 ICMP資訊查詢 224 3.6.3 traceroute 226 3.7 網路層小結 228 第4章　傳輸層 4.1 TCP報文結構 230 4.1.1　源埠號/目的埠號 231 4.1.2　數據偏移量 233 4.1.3　保留 234 4.1.4　標誌位元 234 4.1.5　校驗和 234 4.1.6　選項 236 4.2 TCP連接 238 4.2.1　TCP連接的基本創建過程 239 4.2.2　一個簡單的TCP資料傳輸 243 4.2.3　TCP連接是什麼 246 4.2.4　全

雙工的TCP連接 248 4.2.5　TCP連接的關閉 249 4.2.6　TCP連接的狀態機 252 4.2.7　TCP連接的收發空間 256 4.2.8　TCP連接的優先順序和安全性 262 4.2.9　TCP的RST報文 263 4.2.10　使用者調用TCP介面 263 4.2.11　等待對方報文 269 4.2.12　收到對方報文 271 4.2.13　TCP連接的初始序號 289 4.3 滑動窗口 295 4.3.1　滑動窗口基本概念 296 4.3.2　窗口大小與發送效率 298 4.3.3　PUSH 302 4.3.4　Urgent 305 4.3.5　Zero Window

311 4.3.6　Keep Alive 315 4.3.7　Window Scale Option 316 4.3.8　超時估計 322 4.3.9　擁塞控制 333 4.3.10　SACK 347 4.4 UDP 357 4.5 傳輸層小結 358 第5章　HTTP 5.1 HTTP綜述 360 5.1.1 HTTP基本網路架構 361 5.1.2 HTTP的報文格式簡述 362 5.1.3 HTTP的發展 370 5.1.4 HTTP與HTTPS、S-HTTP之間的關係 373 5.2 URI（統一資源識別項） 375 5.2.1 URI的基本語法 376 5.2.2 百分號編碼 38

8 5.2.3 URL和URN 392 5.3 Header Fields 393 5.3.1 基本欄位 393 5.3.2 Content-Length 397 5.3.3 Request相關欄位 400 5.3.4 Response相關欄位 409 5.3.5 Range Retrieve 415 5.4 HTTP Methods 420 5.4.1 GET、HEAD、DELETE 423 5.4.2 PUT 424 5.4.3 POST 425 5.4.4 CONNECT 430 5.4.5 TRACE 435 5.4.7 OPTIONS 438 5.5 HTTP狀態碼 439 5.5.

1 信息類 1xx（Informational） 439 5.5.2 成功類 2xx（Successful） 440 5.5.3 重定向類 3xx（Redirection） 443 5.5.4 用戶端錯誤類 4xx（Client Error） 446 5.5.5 服務端錯誤類 5xx（Server Error） 449 5.6 HTTP連接 449 5.6.2 長連接與流水線 451 5.6.3 服務端推送 452 5.7 HTTP的Cookie與Session 453 5.7.1 HTTP的無狀態/有狀態 453 5.7.2 Cookie 454 5.7.3 Session 461 5.8

HTTP Cache 465 5.8.1 HTTP的物理拓撲 467 5.8.2 HTTP Cache概述 467 5.8.3 HTTP Cache相關的報文頭欄位 468 5.8.4 HTTP Cache的驗證 477 5.8.5 HTTP Cache的存儲、刪除與應答 479 5.9 HTTP小結 481 第6章　OSPF 6.1 Dijkstra演算法 483 6.2 OSPF概述 486 6.3 鄰居發現 488 6.4 DR機制 492 6.4.1 DR機制概述 492 6.4.2 OSPF的網路類型 494 6.4.3 DR/BDR的選舉 497 6.4.4 DR機制的可靠性保證

508 6.4.5 DR機制的穩定性保證 509 6.5 OSPF介面狀態機 509 6.5.1 介面的狀態 510 6.5.2 介面的事件 511 6.5.3 決策點 512 6.6 鏈路狀態通告 513 6.6.1 OSPF的分區 514 6.6.2 LSA資料結構 518 6.6.3 Stub系列區域 537 6.7 LSA泛洪 539 6.7.1 DD報文 540 6.7.2 LSA Loading 547 6.7.3 OSPF鄰居狀態機 548 6.7.4 LSA泛洪機制 559 6.7.5 LSA的老化 568 6.7.6 LSA的泛洪過程 570 6.8 生成LSA 575 6

.8.1 “新”的LSA 576 6.8.2 LSA的生成時機 577 6.8.3 LSA生成時機總結 581 6.9 OSPF小結 581 第7章　IS-IS 7.1 IS-IS的ISO網路層位址 585 7.1.1 NSAP的簡易版理解方式 585 7.1.2 NSAP的複雜版理解方式 586 7.2 IS-IS協議綜述 589 7.2.1 IS-IS的區域 590 7.2.2 IS-IS的鄰接與路由計算 591 7.2.3 IS-IS的報文格式 593 7.3 IS-IS鄰接關係的建立 595 7.3.1 鄰接關係建立的基本原則 596 7.3.2 鄰接關係建立的報文概述 597 7.

3.3 P2P網路的IIH 599 7.3.4 Broadcast網路的IIH 600 7.3.5 IS-IS兩種網路的鄰接關係建立過程的比較 605 7.4 鏈路狀態泛洪 606 7.4.1 鏈路狀態泛洪相關的報文格式 606 7.4.2 鏈路狀態的泛洪 618 7.4.3 鏈路狀態的老化 623 7.5 IS-IS小結 623 第8章　RIP 8.1 Bellman-Ford演算法 626 8.1.1 演算法的目標 626 8.1.2 演算法的基本思想 627 8.1.3 演算法簡述 629 8.2 RIP綜述 631 8.2.1 RIP與OSPF、IS-IS在基本概念上的對比 631

8.2.2 RIP的報文概述 633 8.3 RIP的報文處理 640 8.3.1 RIP的計時器 640 8.3.2 處理路由請求報文 642 8.3.3 處理路由更新報文 643 8.3.4 處理觸發更新報文 646 8.4 RIP的防環機制 647 8.4.1 水準分割 648 8.4.2 計數到無窮大 652 8.5 RIP小結 655 第9章　BGP 9.1 BGP的基本機制 657 9.1.1 BGP的相關概念 658 9.1.2 BGP的路由通告 658 9.2 BGP的報文格式 661 9.2.1 BGP報文頭格式 661 9.2.2 BGP Update報文格式 662 9

.3 BGP的路徑優選 669 9.3.1 22優先順序：Local_Pref 670 9.3.2 第2優先順序：AS_Path 670 9.3.3 第3優先順序：MED 671 9.3.4 第4優先順序：路由來源 672 9.3.5 第5優先順序：路由學習時間 672 9.3.6 第6優先順序：Cluster_List 673 9.3.7 第7優先順序：下一跳的Router ID 673 9.3.8 第8優先順序：下一跳的IP 674 9.4 iBGP的“大網”解決方案 674 9.4.1 路由反射器方案 675 9.4.2 聯邦方案 679 9.5 BGP路徑屬性：Communities

681 9.5.1 Communities的基本概念 682 9.5.2 Communities的應用舉例 682 9.6 BGP小結 684 第10章　MPLS 10.1 MPLS的轉發 687 10.1.1 MPLS轉發模型 687 10.1.2 MPLS的轉發過程 690 10.2 標籤分發協議 694 10.2.1 LDP概述 694 10.2.2 標籤的分配和發佈 698 10.3 LSP的構建 703 10.3.1 LSP構建的基本原理 703 10.3.2 MPLS的應用場景 705 10.3.3 跨域LSP 706 10.4 MPLS小結 707 第11章　MPLS L3V

PN 11.1 L3VPN的概念模型 711 11.2 L3VPN的轉發 714 11.3 L3VPN的控制信令 716 11.3.1 MP-BGP概述 717 11.3.2 VPN實例與內層標籤 718 11.3.3 路由信息與內層標籤 720 11.4 跨域L3VPN 726 11.4.1 Option A方案 728 11.4.2 Option B方案 729 11.4.3 Option C方案 733 11.5 MPLS L3VPN小結 737 第12章　MPLS L2VPN 12.1 L2VPN的基本框架 743 12.1.1 L2VPN的基本模型 744 12.1.2 L2VPN

的封裝 746 12.1.3 L2VPN的分類 751 12.2 L2VPN的數據面 754 12.2.1 PW的基本模型 755 12.2.2 PW的Ethernet接入模式 756 12.2.3 VPLS的數據面 757 12.3 L2VPN的控制面 764 12.3.1 Martini流派 764 12.3.2 Kompella流派 774 12.3.3 清流派 781 12.4 L2VPN與L3VPN 783 參考文獻

深度學習與MindSpore實踐

為了解決ieee參考文獻格式的問題，作者陳雷 這樣論述：

本書系統地介紹了深度學習理論，並基於MindSpore AI計算框架進行實踐。全書共分14章，內容涵蓋深度學習概況、深度學習基礎知識、深度神經網路、卷積神經網路、迴圈神經網路、無監督學習、深度強化學習、自動化機器學習、端雲協同、深度學習視覺化及深度學習的數據準備等。為便於讀者學習，書中還給出了基於MindSpore實現的關於深度學習的開發實例及線上資源。   本書可作為普通高等學校人工智慧、智慧科學與技術、電腦科學與技術、電子資訊工程、自動化等專業的本科生及研究生教材，也可作為從事深度學習相關工作的軟體發展工程師與科研人員的學習、參考用書。 陳雷：香港科技大學電腦科學與工程

系教授，大資料研究所主任，IEEE Fellow和ACM傑出科學家。研究方向包括資料驅動AI、人力機器學習、知識圖譜、社交媒體上的資料採擷等。在國際著名期刊和會議上發表300餘篇論文，曾獲得2015年SIGMOD時間測試獎。現任VLDB 2019程式委員會聯合主席、VLDB期刊主編、IEEE TKDE期刊副總編輯、VLDB Endowment執行成員。 序言一（徐直軍-華為輪值董事長） 序言二（樊文飛-中國科學院外籍院士） 前言 第1章引言 1.1人工智慧的歷史變遷 1.2什麼是深度學習 1.3深度學習的現實應用 1.3.1自動語音辨識 1.3.2圖像識別 1.3.3自然語

言處理 1.3.4其他領域 1.4本書的組織架構 1.5MindSpore簡介 1.5.1程式設計簡單 1.5.2端雲協同 1.5.3調試輕鬆 1.5.4性能卓越 1.5.5開源開放 第2章深度學習基礎知識 2.1回歸問題演算法 2.2梯度下降演算法 2.3分類問題演算法 2.4過擬合與欠擬合 第3章深度神經網路 3.1前向網路 3.2反向傳播 3.3泛化能力 3.4用MindSpore實現簡單神經網路 3.4.1各層參數說明 3.4.2詳細步驟 第4章深度神經網路的訓練 4.1深度學習系統面臨的主要挑戰 4.1.1大資料集需求 4.1.2硬體需求 4.1.3過擬合 4.1.4超參數優化

4.1.5不透明性 4.1.6缺少靈活性 4.2正則化 4.2.1L2範數正則化 4.2.2L1範數正則化 4.3Dropout 4.4自我調整學習率 4.4.1AdaGrad 4.4.2RMSProp 4.4.3Adam 4.5批標準化 4.6用MindSpore 實現深度神經網路 4.6.1各層參數說明 4.6.2詳細步驟 第5章卷積神經網路 5.1卷積操作 5.2池化 5.3殘差網路 5.4應用：圖片分類 5.5用MindSpore實現基於卷積神經網路圖片分類 5.5.1載入MindSpore模組 5.5.2定義ResNet網路結構 5.5.3設置超參數 5.5.4導入資料集 5.5

.5訓練模型 第6章迴圈神經網路 6.1迴圈神經網路概述 6.2深度迴圈神經網路 6.3長期依賴的挑戰 6.4長短期記憶網路和門控迴圈神經網路 6.4.1長短期記憶網路 6.4.2門控迴圈神經網路 6.5應用：文本預測 6.6用MindSpore實現基於長短期記憶網路的文本預測 6.6.1載入MindSpore模組 6.6.2數據準備 6.6.3定義網路 6.6.4參數介紹 6.6.5訓練模型 參考文獻 第7章無監督學習： 詞向量 7.1Word2Vec 7.1.1提出背景 7.1.2發展現狀 7.1.3技術原理 7.1.4技術難點 7.1.5應用場景 7.1.6框架模組 7.2GloVe

7.2.1提出背景 7.2.2發展現狀 7.2.3技術原理 7.2.4技術難點 7.2.5應用場景 7.2.6框架模組 7.3Transformer 7.3.1提出背景 7.3.2發展現狀 7.3.3技術原理 7.3.4技術難點 7.3.5應用場景 7.3.6框架模組 7.4BERT 7.4.1提出背景 7.4.2發展現狀 7.4.3技術原理 7.4.4技術難點 7.4.5應用場景 7.4.6框架模組 7.5詞向量典型生成演算法對比 7.6應用：自動問答 7.6.1自動問答的相關概念 7.6.2傳統的自動問答方法 7.6.3基於深度學習的自動問答方法 7.7用MindSpore 實現基於BE

RT的自動問答 7.7.1資料集準備 7.7.2訓練BERT網路 參考文獻 第8章無監督學習： 圖向量 8.1圖向量簡介 8.2DeepWalk演算法 8.2.1DeepWalk演算法原理 8.2.2DeepWalk演算法實現 8.3LINE演算法 8.3.1LINE演算法原理 8.3.2LINE演算法實現 8.4Node2Vec演算法 8.4.1Node2Vec演算法原理 8.4.2Node2Vec演算法實現 8.5GCN演算法 8.5.1GCN演算法原理 8.5.2GCN演算法實現 8.6GAT演算法 8.6.1GAT演算法原理 8.6.2GAT演算法實現 8.7應用：推薦系統 8.7.

1工業界中的推薦系統 8.7.2推薦系統中的圖神經網路模型 參考文獻 第9章無監督學習： 深度生成模型 9.1變分自編碼器 9.1.1提出背景 9.1.2發展現狀 9.1.3技術原理 9.1.4技術難點 9.1.5應用場景 9.2生成對抗網路 9.2.1提出背景 9.2.2發展現狀 9.2.3技術原理 9.2.4技術難點 9.2.5應用場景 9.2.6框架模組 9.3應用：資料增強 9.3.1資料增強的定義 9.3.2資料增強的目的 9.3.3傳統資料增強的方法 9.3.4基於深度學習的資料增強方法 9.4用MindSpore實現基於生成對抗網路的資料增強 參考文獻 第10章深度強化學習

10.1強化學習基本概念 10.1.1基礎概念與理論 10.1.2瑪律可夫決策過程 10.1.3貝爾曼方程 10.2基本求解方法 10.2.1動態規劃法 10.2.2蒙特卡羅法 10.2.3時間差分法 10.3深度強化學習演算法 10.3.1DQN演算法 10.3.2DDPG演算法 10.3.3A3C演算法 10.4最新應用 10.4.1推薦系統 10.4.2博弈遊戲 10.5用MindSpore實現基於DQN的博弈遊戲 參考文獻 第11章自動化機器學習 11.1AutoML框架 11.1.1NAS演算法 11.1.2超參調優 11.2現有AutoML系統介紹 11.2.1AutoWeka/

AutoSklearn/HyperOpt 11.2.2Microsoft NNI 11.3元學習 11.3.1學習優化器 11.3.2學習參數初始化 11.3.3學習損失函數 11.3.4學習度量 11.4用MindSpore實現AutoML 參考文獻 第12章端雲協同 12.1端側推理 12.2端雲遷移學習 12.3端雲聯邦學習 12.3.1聯邦平均 12.3.2梯度壓縮 12.4端雲協同框架 參考文獻 第13章深度學習視覺化 13.1深度學習視覺化概述 13.1.1資料分析 13.1.2模型建立與理解 13.1.3訓練 13.1.4評估 13.2MindSpore視覺化實踐 13.2

.1視覺化流程 13.2.2資料集視覺化 13.2.3模型與訓練視覺化 13.2.4Summary匯總資料格式 參考文獻 第14章深度學習的數據準備 14.1資料格式概述 14.2深度學習中的資料格式 14.2.1原始輸入 14.2.2標注信息 14.3常用的深度學習資料格式 14.3.1TFRecord格式 14.3.2LMDB存儲 14.3.3Rec格式 14.3.4MindSpore資料格式 14.3.5MindSpore資料集 14.4使用MindSpore資料格式進行訓練資料準備 14.4.1MindSpore資料格式生成 14.4.2MindSpore資料格式統計與檢索 14.4

.3MindSpore資料格式訓練資料讀取 附錄A中、英文對照詞彙表 附錄BMindSpore白皮書 參考文獻

基於深度學習之視覺辨識之除蟲機器人

為了解決ieee參考文獻格式的問題，作者吳子健 這樣論述：

根據統計，台灣農藥每單位用量，每公頃平均最高曾到十七公斤，居高世界第一位。而農藥用多了，食品內的農藥濃度便會提升，對土壤和人體都會產生嚴重影響。因此近年出現了許多的有機農場，有機農場的要求是不使用人工化學合成農藥丶人工合成肥料等等。但是有機種植的困難多，由其蟲害的問題更是讓農夫十分頭痛。解決蟲害最快的方式是直接用人進行觀察並除蟲。但是近年來台灣的高齡化丶少子化與新冠肺炎(Covid-19)的多重影響下，使勞動力大幅下降。 因此本文提出一種智能除蟲機器人，其結合了人工智能(Artificial intelligence, AI)丶深度攝影機丶自走車丶小型機器手臂與麥克納姆輪等裝置，應用於有機農

場中的自動除蟲機器人。除蟲機器人包括三個系統：視覺系統丶移動機構和驅蟲裝置。其中視覺系統能夠對害蟲辨識，也能夠取得距離。再把害蟲的位置傳給移動機構，機器人便會移動到害蟲的面前。最後使用驅蟲裝置，轉動機器手臂並啟動除蟲器，完成除蟲動作。