1.MATLAB作为线性系统的一种分析和仿真工具,是理工科大学生应该掌握的技术工具,它作为一种编程语言和可视化工具,可解决工程、科学计算和数学学科中许多问题。 2.MATLAB建立在向量、数组和矩阵的基础上,使用方便,人机界面直观,输出结果可视化。 3.矩阵是 MATLAB的核心。 4.MATLAB的进入与运行方式(两种)

• γ射线强度测量中，影响探测效率的因素有哪些？比较几种探测效率的定义。 • 常用的强度确定方法是什么？实验中通常如何进行效率的校刻？ • 截面的定义有哪些？测量时应注意什么？

1.掌握软骨组织、骨组织的结构 2.掌握密质骨的构成（骨基质，骨祖细胞，成骨细胞，骨细胞，破骨细胞） 3.掌握骨组织的发生 4.掌握骨单位的结构和功能意义 5.掌握血细胞的分类、计数、形态结构与功能

§3.1 曲线拟合的最小二乘法 §3.2 最小二乘法的求法 §3.3 最佳平方逼近 §3.4 数值实验

7.1 引言 7.3 欧拉法 7.5 单步法的收敛性与稳定性 7.2 离散变量法 7.6 线性多步法 7.4 龙格-库塔法 7.7 方程组与高阶方程初值问题的数值解法 7.8 数值实验

8.1 特征值估计与扰动 8.2 幂法与反幂法 8.3 幂法的加速方法 8.4 雅可比方法 8.5 数值实验

一、目的要求 1.掌握三类肌组织的光、电镜结构 2.掌握神经元、神经纤维的结构，突触的概念、分类、结构及功能 二、内容 方法 1.数码互动显微镜系统示教： 骨骼肌：纵横断面、横纹、肌膜、肌内膜、肌束膜 心肌：纵横断面、横纹(特染）、闰盘 平滑肌：纵横断面

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

1.掌握血细胞的分类、计数、形态结构与功能 2.掌握软骨组织、骨组织的结构 3.掌握密质骨的构成 4.掌握骨单位的结构和功能意义 5.掌握骨组织的发生

§5.1 数值积分公式 §5.2 牛顿-科特斯公式 §5.3 复化求积公式 §5.4 龙贝格求积公式 §5.5 高斯型求积公式 §5.6 数值微分 §5.7 数值实验