通过本章学习,应掌握以下内容: ●网络安全隐患 ●加密技术基本知识 ●身份认证技术 ●网络安全标准、措施和有关法规

一、课程特点(实用性、专业性、知识性均很强) 本课程是计算机专业中实用性最强的技术课程之一。 本课程也是计算机课程中自学难度最大的之一,尤其是对未入门者。 本课程的学习必须理论知识与实际练习并重。 无理论知识一一无法理解网络设计、系统管理、故障分析、网络互连(不知道为什么要这样做) 无实际练习——无法掌握安装、文件/目录及用户管理的具体方法(不知道怎样做)

人工神经元的基本模型 几种典型的激活函数 人工神经网络的学习算法概述 人工神经网络的基本拓扑结构

通过低氧实验提出一种快速识别人体低氧状态的方法.通过搭建深层神经网络训练实验数据识别氧气体积分数(16%~21%)与人体可耐受极端低氧气体积分数(15.5%~16%)条件下光电容积脉搏波(photoplethysmography, PPG)信号, 获得人体生理状态的模式识别网络.经测试该网络的识别正确率可达92.8%.利用混淆矩阵及接受者操作性能(receiver operating characteristic, ROC)曲线分析, 混淆矩阵的训练集、验证集、测试集、全集识别正确率分别达到97.9%、94.8%、92.8%和96.3%, AUC (area under curve)值接近1, 认为该网络分类性能优良, 并且可在4 s内完成整个识别过程

14.1 生物神经元 14.2 人工神经元模型 14.3 多层感知器神经网络 15.1 神经网络的学习能力 15.2 误差回传算法

SOFM网络的思想来源 SOFM网络的结构模型 SOFM神经元的基本功能函数 SOFM的基本学习算法 仿真实例 几点注意事项

网络对许多用户犹如一个巨大的迷宫。编写注册底稿和菜单设计的目的就是为用户建 立一个良好的工作环境——换言之,将一个也许对网络结构一无所知的用户自动带入合适 的“工作岗位”,使他一入网就可以像在单机上完成各种工作,而不需要花费时间去学习网 络使用知识或了解网络本身的结构

基于人工神经网络( Artificial Neural Network)的控制(ann-based Control)简称神经控制(Neural Control)。神经网络是由大量人工神经元(处理单元)按照一定的拓扑结构相互连接而成的一种具有并行计 算能力的网络系统。它是在现代神经生物学和认识科学对人类信息处理研究的基础上提出来的,具有很强 的自适应和学习能力、非线性映射能力、鲁棒性和容错能力

本章主要讲述了OSI/RM参考模型、TCP/IP参考模型、IPv4与IPv6两种互联网地址体系结构。通过本章学习，读者应该掌握以下内容： 1.了解什么是网络层次模型 2.OSI/RM、TCP/IP模型的分层情况及各层的主要功能 3.能进行中小网络的IP地址管理划分 4.掌握Ping指令的一些基本用法

本章主要介绍计算机网络最高层：即应用层的有关概念及工作原理。讲述应用层是如何为各种应用进程提供服务的。通过本章的学习，读者应重点掌握和理解以下内容： l 掌握应用层的基本概念，理解应用层的功能与作用 l 掌握域名系统的组成与工作原理 l 掌握电子邮件的基本组成及工作原理 l 了解文件传输系统、远程终端系统的工作原理与使用方法 l 理解与掌握万维网的工作原理及网站的建立方法 l 理解网络管理的含义与功能