第五部分多方程分析 第21章系统估计--讨论了方程系统的估计 第22章向量自回归和误差修正模型-向量自回归模型以及向量误差修正模型估计。给出检验非稳定变量之间协整关系的工具。 第23章状态空间模型和卡尔曼滤波----利用状态空间模型和卡尔曼滤波工具建立结构时间序列模型

5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6 ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

研究了Jeffcott转子发生动静件碰摩时的非线性振动特性.根据数值计算的结果,利用时间序列的相空间重构方法,通过相空间的吸引子的形态来刻画碰摩转子系统的分叉、拟周期和混沌行为,利用分形维数对分叉、拟周期和混沌信号进行定性的分析.这对定性和定量的判定系统的分叉、拟周期和混沌行为是一个非常有意义

基本思想: 把水文要素随时间的变化作为一个随机过程来研究,分析水文要素前后期演变情况的统计规律,应用这一规律由前期水文要素的数值作出后期要素的预报。 一个随机过程离散化后得到一个水文时间序列

7.1引言 7.2离散时间信号——序列 7.3离散时间系统的数学模型

本章学习序列的DFS和DTFT, 分析信号和系统的频域特性。  序列的DFS的定义及性质  序列DTFT的定义及性质  频域采样  3.1 周期序列DFS的定义  3.2 周期序列DFS的基本性质  3.3 非周期序列DTFT的定义  3.4 序列DTFT的基本性质  3.5 周期序列DTFT  3.6 序列的频域采样

3.1离散时间信号 3.2LT离散系统的响应 3.3单位序列和单位序列响应 3.4卷积和 3.5解卷积

5.1 非周期序列的傅里叶变换 5.2 非周期序列傅里叶变换的性质 5.3 非周期序列傅里叶变换与Z变换的关系 5.4 离散时间系统的频率特性 5.5 离散时间系统的频域分析 5.6 序列的希尔伯特变换 5.7 因果序列频谱的实部与虚部的约束关系 5.8 线性位不变全通系统和线性位不变因果稳定

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价

一、学科平台课程 1《管理学 B》 2《会计学 A》 3《微观经济学》 4《宏观经济学》 5《财政学》 6《政治经济学》 7《统计学》 8《计量经济学》 9《经济法》 二、专业课程 1《金融学》 2《证券投资学》 3《国际经济学》 4《商业银行经营与管理》 5《期货投资理论与实务》 6《国际金融》 7《金融市场学》 8《公司财务》 9《金融工程学》 10《金融衍生品交易》 三、个性化发展课程 1《创业学》 2《企业经营实训》 3《金融学科前沿专题》 4《保险学》 5《中央银行学》 6《投资银行学》 7《金融数据分析》 8《金融时间序列分析》 9《银行会计》 10《金融交易模拟》 11《金融法规与监管》 12《金融英语》 13《互联网金融与金融科技》 14《产业组织理论》 15《逻辑学》 16《行为金融学》 17《信用管理》 18《管理沟通》 19《证券投研报告写作》 20《金融英文文献选读》 四、实践环节 1《认识实习》 2《业务实习》 3《毕业实习》 4《社会调查》 5《学年论文》 6《毕业论文》