一、变量:树支电压。 二、方法:根据基本割集建立KCL方程。 三、方程数:有n-1个树支电压,方程数=n-1 选一个合适的树:将电压源及电压控制量选为树支,电流源及电流控制量选为连支

第十二章 数项级数 1 级数的收敛性 2 正项级数 一 正项级数收敛性的一般判别原则 二 比式判别法和根式判别法 三 积分判别法 四 拉贝判别法 3 一般项级数 一 交错级数 二 绝对收敛级数及其性质 三 阿贝耳判别法和狄利克雷判别法 第十三章 函数列与函数项级数 1 一致收敛性 一 函数列及其一致收敛性 二 函数项级数及其一致收敛性 三 函数项级数的一致收敛性判别法 2 一致收敛函数列与函数项级数的性质 第十四章 幂级数 1 幂级数 2 函数的幂级数展开 一 泰勒级数 二 初等函数的幂级数展开式 3 复变量的指数函数·欧拉公式 第十五章 傅里叶级数 1 傅里叶级数 一 三角级数·正交函数系 二 以2π为周期的函数的傅里叶级数 三 收敛定理 2 以2l为周期的函数的展开式 3 收敛定理的证明 第十六章 多元函数的极限与连续 1 平面点集与多元函数 一 平面点集 二 R2上的完备性定理 三 二元函数 四 n元函数 2 二元函数的极限 3 二元函数的连续性 第十七章 多元函数微分学 1 可微性 2 复合函数微分法 3 方向导数与梯度 4 泰勒公式与极值问题 一 高阶偏导数 二 中值定理和泰勒公式 三 极值问题 第十八章 隐函数定理及其应用 1 隐函数 2 隐函数组 3 几何应用 一 平面曲线的切线与法线 二 空间曲线的切线与法平面 三 曲面的切平面与法线 4 条件极值 第十九章 含参量积分 1 含参量正常积分 2 含参量反常积分 3 欧拉积分 一 Γ函数 二 B函数 三 Γ函数与B函数之间的关系 第二十章 曲线积分 1 第一型曲线积分 2 第二型曲线积分 第二十一章 重积分 1 二重积分概念 2 直角坐标系下二重积分的计算 3 格林公式·曲线积分与路线的无关性 4 二重积分的变量变换 5 三重积分 6 重积分的应用 7 n重积分 8 反常二重积分 9 在一般条件下重积分变量变换公式的证明 第二十二章 曲面积分 1 第一型曲面积分 2 第二型曲面积分 3 高斯公式与斯托克斯公式 4 场论初步 第二十三章 流形上微积分学初阶 1 n维欧氏空间与向量函数 2 向量函数的微分 3 反函数定理和隐函数定理 4 外积、微分形式与一般斯托克斯公式

利用优化准则法,结合机械设计的特点,编制了以SAP5P程序为基础的大型复杂刚架结构离散变量优化程序SOP,并对一刚架结构模型进行了优化分析

研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性

提出了一种在抗癌免疫监视下的肿瘤生长细胞神经网络(GISAC CNN)模型.用具有3个端口4个态变量CNN的解析判别法研究了GUSAC CNN的分歧图.数值模拟了癌细胞扩散和清除过程.研究结果似乎表明:效应细胞对癌细胞的清除起着至关重要作用,细胞组织中存在免疫缺陷,可能导致癌细胞的转移与扩散

线性规划模型 线性规划的图解 单纯形法原理 单纯形法 单纯形表 单纯形的理论分析 人工变量法

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

一、狭义的工具变量法（IV） 二、间接最小二乘法(ILS) 三、二阶段最小二乘法(2SLS) 四、三种方法的等价性证明 五、简单宏观经济模型实例演示 六、主分量法的应用 七、其它有限信息估计方法简介 八、k级估计式

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的参数估计 (Estimation of Simple Linear Regression Model) 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计 §2.3 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 一、Ŷ0是条件均值E(Y|X=X0)或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间

在地下水资源预报中,经常碰到两种类型的变量关系。一类是确定性的函数关系,如一口井的抽水量和水位降这两个变量关系,就满足一一对应的 函数关系。另一类是非确定性的依赖关系,如一个开采区的开采量和降深的关系,虽然是相互依赖的,降深大开采量也多,但变量关系不是确定的,对 应同样降深的开采量不一定完全相等,找不到任何函数可以表示这类变量关系。此外,开采量和降雨量的关系,开采量和地表水侧渗量或灌水回渗量的 关系等,也都有类似的性质,这类既有依赖又不确定的变量关系,统称为相关关系。 相关分析法就是研究上述变量的相关关系,建立回归方程,并用来预报开采量的方法