全书共六章,可大致分为三个部分:第一部分,包括引言和第一章基本概念,它是全书的基础,在以后各章都要用到,应予以充分重视;第二部分,包括第二、三两章,介绍含一个代数运算的群的理论.其中第二章介绍群的最基本的知识;第三章则进一步介绍正规子群和群的同态与同构,以及和它们相关联的群论中最基本最重要的定理,如群的同态和同构定理,共轭、正规化子和中心化子,Sylow定理和有限交换群基本定理等等;第三部分,包括第四、五、六三章,介绍含有两个代数运算的环与域的理论.其中第四章介绍环的基本知识;第五章介绍环论中一个特殊问题———惟一分解整环内的因子分解理论,并由此介绍了两种特殊的环类,即主理想整环和欧氏环;第六章介绍域,一种加强条件的环,并且主要介绍代数扩域,特别是有限次扩域和有限域

为实现推力矢量飞机的大迎角机动控制，提出一种基于自抗扰控制的三通道解耦控制策略.以第三代战机F16公开数据为基础，添加推力矢量模型，利用双发推力矢量喷管组合偏转产生大迎角机动的期望三轴力矩.在纵向、横向和航向通道分别独立设计自抗扰控制器，将系统中未建模动态、不确定性以及通道间的强耦合视作总扰动进行估计并补偿，并在纵向和航向通道引入角速度阻尼反馈项，使原始飞行器开环动力学闭环近似为一个广义对象，降低了自抗扰控制器的设计阶次.选取眼镜蛇机动和赫伯斯特机动两种典型的过失速机动动作进行控制策略验证，数值仿真结果表明，所设计的三通道独立自抗扰控制器能够消除通道间的强耦合，完成推力矢量飞机的大迎角机动控制.蒙特卡罗仿真测试表明，所提控制策略具有较强的鲁棒性

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

▪ 3.1 并行程序开发方法 ▪ 3.1.1 并行层次与代码粒度 ▪ 3.1.2 并行程序开发策略 ▪ 3.1.3 并行编程模式 ▪ 3.1.4 并行应用编程过程 ▪ 3.2 并行程序设计模型 ▪ 3.2.1 计算π样本程序 ▪ 3.2.2 数据并行模型 ▪ 3.2.3 消息传递模型 ▪ 3.2.4 共享变量模型 ▪ 3.3 并行编程语言和环境概述 ▪ 3.3.1 早期并行编程语言 ▪ 3.3.2 近代并行编程语言与环境 ▪ 3.3.3 并行说明性语言环境 ▪ 3.4 循环程序并行化的一般方法 ▪ 3.4.1 数据相关分析 ▪ 3.4.2 .数据划分与处理器指派 ▪ 3.4.3 循环重构

自上个世纪后半叶以来,人类科技便以人可阻挡之势迅猛向前发展。而其中最具代性 的当数计算机科学的进步。对于工程界的广大人士而言,这不可不谓是一种福音。在工程实 际应用的诸多领域里,为寻求可靠的、最优的工艺和技术方案,以往所凭借和依赖的直觉、 经验、实验和“尝试法”随着工艺要求的日益严格,追求质量所引发竞争的口臻激烈,已开 始显得力不从心倘若利用计算机这一先进段并辅以相应软件,进行虚拟加工,则可提 高产品加工质量,省时省力,降低成本 ANSYS正是在这样一种大前提下,应运而生它是目前世界范围内增长最快的CAE软 件,也是迄今为止上世界范国内唯一通过SO9001质量认证的分析设计类软件,是美国机械工 程师协会(ASME)、国核安全局(NQA)及近种专业技术协会认证的标准分析软件

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据