【机器学习】基于最小最大概率机的迁移学习分类算法编辑部

通过本章的学习，学生应深刻理解拉普拉斯的定义、收敛域；熟练掌握拉普拉斯正反变换的方法及拉普拉斯的性质。能用拉普拉斯变换分析LTI系统，求零输入响应、零状态响应等；能根据时域电路模型画出s域电路模型。理解拉普拉斯变换与傅里叶变换的关系

通过本章的学习，学生应重点掌握系统函数Hj()的意义及其在系统分析中的作用；无失真传输条件和理想低通滤波器的概念及其物理不可实现性；希尔伯特变换及系统函数的约束特性；与傅里叶变换相关的基本通信原理和技术

通过本章的学习，学生应理解信号分解为正交函数的意义。掌握信号的频域分析方法—傅里叶级数和傅里叶变换。理解周期信号与非周期信号频谱的特点、区别和联系，周期信号傅里叶变换的特点，信号时域特性与频域特性之间的关系，抽样信号频谱的特点与抽样定理。掌握典型信号的傅里叶变换，并能灵活运用傅里叶变换的性质对信号进行正反变换。掌握周期序列的离散傅里叶级数表示，非周期序列的离散时间傅里叶变换及其性质

通过本章的学习，学生应深刻理解0-和0+的含义，掌握0-值和0+值的方法；理解冲激响应和阶跃响应的意义，掌握其求解方法；掌握微分方程和差分方程的经典解法，零输入响应特别是零状态响应的求解；掌握卷积积分和卷积和的定义、性质和计算方法，并会用卷积积分法求线性时不变系统的零状态响应

【机器学习】基于测度学习支持向量机的钢琴乐谱难度等级识别

【机器学习】强化学习的地-空异构多智能体协作覆盖研究

【机器学习】一种具有迁移学习能力的RBF-NN算法及其应用

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法（simulated annealing，SA） 10.4 神经网络权值的混合优化学习策略

第一章 认识色彩 第二章 归纳写生及主观表现 第三章 向传统学习、向大师学习 第四章 色彩在平面、空间设计中的应用 第五章 色彩的创意表现