 大纲要求  评分标准  本教程的适应对象 －有强烈的过关愿望 －有一定的英语基础 －多写、多练、多背

 自然语言处理概述 ◼ 什么是自然语言处理 ◼ 自然语言处理的典型应用 ◼ 自然语言处理的基本任务 ◼ 自然语言处理的基本策略和实现方法 ◼ 自然语言处理的难点 ◼ 自然语言处理所涉及的学科  基于规则（知识工程）的自然语言处理方法（理性方法，传统方法） ◼ 基于词典和规则的形态还原（英语）、词性标注以及分词（汉语、日语） ◼ 基于CFG（上下文无关文法）和扩充的CFG（复杂特征集、合一运算）的句法分析 ◼ 基于逻辑形式和格语法的句义分析 ◼ 基于规则的机器翻译  基于语料库（数据）的自然语言处理方法（经验方法） ◼ 语言模型（N元文法） ◼ 分词、词性标注（序列化标注模型） ◼ 句法分析（概率上下文无关模型、移进-规约分析器） ◼ 文本分类（朴素贝叶斯模型、最大熵模型） ◼ 情感分析 ◼ 机器翻译 (IBM Model等) ◼ ......（基于神经网络的深度学习方法）

要求学生理解学习策略的涵义与特征,掌握各类化学知识的特点并学 会各类化学知识的学习策略,认识并改善自身的学习方法,学会在教学设计中贯穿学习策略的实施

1 感知机的概念 2 感知机的学习策略 3 感知机学习算法 4 感知机学习算法的对偶形式

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

13.1 人工神经网络与神经网络优化算法 13.2 遗传算法 13.3 模拟退火算法 13.4 神经网络权值的混合优化学习策略

9.1 层次分析法 9.2 人工神经网络与神经网络优化算法 9.3 遗传算法 9.4 模拟退火算法 9.5 神经网络权值的混合优化学习策略

本章对目前常用的几种智能优化计算算法作简单介绍,以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略

第一节 市场营销与企业经营观念 第二节 产品策略 第三节 价格策略 第四节 销售渠道策略 第五节 销售促进策略

第一节市场营销与企业经营观念 第二节产品策略 第三节价格策略 第四节销售渠道策略 第五节销售促进策略