合著
第一作者算合著还是独著?合著。判断著作是合著还是独著，关键是看作者人数。第一作者是署名第一位的作者，至少还有第二作者，属于合著
中国社会科学院中国边疆史地研究中心研究员，《中国边疆史地研究》主编、编审，云南大学博士生导师、教授，1964年3月生，河北沧州人，汉族。 1986年7月获得西北大学历史学学士学位；1986年7月，进入中国社会科学院民族研究所《民族研究》编辑部从事编辑工作，后担任编辑部副主任；2000年8月，调入中国社会科学院中国边疆史地研究中心，担任《中国边疆史地研究》杂志主编、编辑部主任；2001年晋升为编审；2009年7月获得中央民族大学历史学博士学位；任中国社会科学院研究生院硕士生导师，2008年9月被聘请为云南大学博士生导师；兼任西北师范大学西北边疆研究中心学术委员会主任、西域所学术委员会委员、中国民族史学会理事、中国世界民族学会理事、中国汉民族学会理事等。 主要从事汉唐边疆史研究，侧重于民族关系、管理机构、边疆政权以及疆域理论等方面，主要科研著作有： 1、《两汉时期的边政与边吏》，独著，14万字，黑龙江教育出版社1996年出版，1999年再版
奚广庆 男，满族，1938年8月生，辽宁大连人。教授（博士生导师）。中共党员
中学正高级教师，四川省中学化学骨干教师，四川省普教教科研专家库成员，绵阳市新课改专家组成员，高中化学学科竞赛教练。从教41年来，先后多次获得中国化学学会表彰的“高中化学竞赛辅导（教练）突出贡献奖”，被中国教育学会表彰为“高中新课改‘全国优秀教师’”，主研四川省级重点课题获四川省人民政府表彰的“四川省普教成果二等奖”，获评绵阳市“优秀班主任”“化学科骨干教师”“明星教师”“突出贡献教师”称号。12次获得绵阳市高考教学质量评价（A类学校）特等奖、一等奖，培养清华、北大及C9高校学生近200人
《区块链革命》这本书作者是谁？ 《区块链革命》这本书的作者是唐·塔普斯科特（Don Tapscott）和他的儿子亚历克·塔普斯科特（Alex Tapscott）。《区块链革命》是一本关于区块链技术及其在社会、经济领域中的应用的书籍，由唐·塔普斯科特（Don Tapscott）和他的儿子亚历克·塔普斯科特（Alex Tapscott）合著。 本书首先介绍了区块链技术的基本概念，如何实现数据存储、验证和共享，并且比较了区块链和传统的中央化数据库的差异
本条件适用于从事矿产地质勘查、区域地质调查、地球物理勘查、地球化学勘查、遥感地质、水文地质、工程地质、环境地质、海洋地质、岩土工程、探矿工程、选矿工程、采矿工程、实验测试和地质机械(仪器)等专业的工程技术人员。 通过同行评议，独立或作为主笔发表过本领域具有较高学术价值的研究论文和著作。 需编著出版专业著作1部(专著10万字以上，合著15万字以上)，或独立或作为第一作者在核心期刊发表专业论文2篇以上，或在公开出版的学术期刊发表专业论文3篇以上(核心期刊不少于1篇)，或在全国性、国际性学术专业技术交流会上交流的专业论文2篇，在核心期刊发表专业论文1篇以上，或编辑省级以上重大项目的策划及可行性
主题：《当代世界的语言格局与文化传承：问题与出路》 黄长著，中国社会科云顶学部委员、研究员、国家哲学社会科学研究专家咨询委员会委员、中国社科院国际中国学研究中心主任、中国社科院翻译系列正高级职称评审委员会主任，兼任中国社会科学情报学会理事长、国家社科基金图书馆·情报与文献学学科规划评审组组长、国家科技名词委员会委员兼图书馆·情报与文献学学科名词审定委员会主任，曾被聘为联合国项目评估专家。曾任中国社会科云顶图书馆馆长及文献信息中心主任，以及两届联合国教科文组织国际哲学人文科学理事会副主席（1996-1998；1998-2000）；1992年起享受国务院颁发的政府特殊津贴，1994年获国家人事部授予的“国家级有突出贡献的中青年专家”称号。专业特长：语言学和图书馆学情报学
皮亚诺的主要著作有《算术原理：用一种新方法的说明》（1889年）、同别人合著的《数学公式汇编》（或译为《数学的陈述》），这些著作使数学家的观点发生了深刻的变化，对嗣后为重新组织数学的努力，尤其对以尼古拉·布尔巴基为笔名的法国数学学派的纲领，产生了很大影响。罗素也从中得到很大启发，推动了他关于数学原理的观点的发展。罗素和怀海德在其合著的《数学原理》中，采用了皮亚诺的部分逻辑记号
徐礼超，男，1972年8月出生，中共党员，教授，365体育彩票免费下载交通工程学院教师。毕业于上海理工大学机械工程专业，获硕士学位。是江苏省“六大人才高峰”高层次人才培养对象，淮安市“十百千”人才培养计划第三层次培养对象，淮安市“533英才工程”学术技术骨干人才培养对象，江苏省优秀毕业设计团队指导教师
传统的模式识别和机器学习方法假设闭合类别集、独立同分布、大数据训练。这些假设条件下，深度学习方法取得了优异的性能。然而在开放环境下，包括深度学习在内的已有方法面临一系列新的技术挑战：类别集变化、分布变化、样本有限等