自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想

1. 了解 C 语句的概念及种类。 2. 掌握字符数据的输入与输出方式。 3. 重点掌握格式输入与输出。 3. 重点掌握顺序程序设计

高等数学 高等数学（二） 力学 热学 电磁学 光学 理论力学 电动力学 量子力学 热力学与统计物理学 电工学 电子线路 信号与系统 数字电子技术 单片机原理及实验 传感器技术 固体物理学 近代物理学 数学物理方法 现代物理知识专题 物理学史 物理教学论 物理测量与评价 现代教育技术 物理教育研究 教学技能训练 中学物理CAI课件制作

随着高速铁路的不断提速,高铁轻量化设计中广泛采用高强铝合金材料,但高速列车齿轮箱体服役安全评价亟待完善.本文针对高速列车齿轮箱体使用的铝合金材料服役特性,搭建了声发射检测拉伸试验系统,运用BP神经网络算法对声发射信号进行训练与识别,实现对箱体材料拉伸损伤表征识别与材料服役状态的安全预警.本研究为材料损伤状态的无损实时识别提供了一种识别与预警方法

1. 掌握基本类型及其常量的表示法。 2. 重点掌握变量的定义及其初始化方法。 3. 掌握运算符与表达式的概念

模式识别的三大核心问题： •特征数据采集与预处理 •分类识别 •特征选择与提取 分类识别的正确率取决于对象的表示、训练学习和分类识别算法，我们在前面各章的介绍中详细讨论了第二方面的内容。本章介绍的特征提取与选择问题则是对象表示的一个关键问题

1.课程的性质和任务《农业昆虫学》教学实习是在大学本科四年级学完农业昆虫学课程的基础上进行的野外实地考察、采集、标本制作、鉴定等,目的是培养学生 对野外考察和采集农业昆虫标本的能力,并在实践中学习和掌握农业昆虫学研究的一 些基本技术和方法,为将来独立从事农业昆虫学研究奠定良好基础。 2.教学的基本要求野外考察与采集,以及制作农业昆虫标本等是农业昆虫学 研究以及农业昆虫学分类中必不可少的基本训练。通过本课程的学习,使学生掌握农 业昆虫标本采集的基本方法和技巧,学会采集工具的制作和使用,熟练掌握农业昆虫 标本的制作和鉴定

1. 概述 2. 数控编程的方法 3. 机床坐标系和工件坐标系 4. 数控车床的编程特点 5. 程序的结构与格式 6. 常用编程指令的含义与格式 7. 编程示例

1. 理解结构体和共用体的定义方式和内存分配情况。 2. 掌握指向结构体的类型数据的指针定义与使用。 3. 掌握链表的建立、插入和删除等操作

1、达到学用结合,理论联系实际,加深理解,巩固中医诊断学基本理论知识。 2、通过实验让学生熟悉中医诊断学基本实验方法和技能,培养学生科学实验能力,训练学生的综合操作和分析能力,为今后的学习及开展科研工作创造条件。 3、进一步提高学生的中医诊断素质,激励学生发现知识的局限性,主动自学、积极思考,不断完善知识结构