实践证明:正确地利用这种对称性质会使网络 的分析得到很大的简化。 具有翻转对称性质的网络绕位于其所在平面上的 a轴(下图中的虚线)转逆时针或顺时针)180°后, 无论在几何上和电气上都保持不变。这种网络由 两个互为镜像的子网络构成

• 网络的不同之处 • 网络如何连接起来 • 级连虚电路 • 无连接的网络互连 • 隧道技术 • 互联网路由 • 分段 • IP 协议 • IP Addresses • Internet 控制协议 • OSPF • BGP • Internet 组播 • 移动 IP • IPv6

第3章IP地址 3.1IP地址 3.2分类IP地址 3.3特殊IP地址 3.4私有网络地址 3.5IP地址配置 3.6子网及子网掩码 3.7超网 3.8无类地址

 4.1网络层的设计问题  4.2网际协议IP  4.3三级网络划分与无类别域间路由(CIDR)  4.4网际控制报文协议  4.5路由协议  4.6虚拟专用网VPN  4.7网络地址转换 NAT(Network Address Translation)  4.8下一代网际协议IPv6 (IPng)

第五章时域离散系统的基本网络结构 主要内容: 一、引言 二、用信号流图表示网络结构 三、无限长脉冲响应基本网络结构 四、有限长脉冲响应基本网络结构

 4.1网络层的设计问题  4.2网际协议IP  4.3三级网络划分与无类别域间路由(CIDR)  4.4网际控制报文协议  4.5路由协议  4.6虚拟专用网VPN  4.7网络地址转换 NAT(Network Address Translation)  4.8下一代网际协议IPv6 (IPng)

第5章时域离散系统的基本网络结构与 状态变量分析法 5.1引言 5.2用信号流图表示网络结构 5.3无奶长脉冲响应基本网络结构 5.4有限长脉冲响应基本网络结构 5.5状态变量分析法

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

4.1 网络层提供的两种服务 4.2 网际协议 IP 4.2.1 虚拟互连网络 4.2.2 分类的 IP 地址 4.2.3 IP 地址与硬件地址 4.2.4 地址解析协议 ARP 与逆地址解析协议RARP 4.2.5 IP 数据报的格式 4.2.6 IP 层转发分组的流程 4.3 划分子网和构造超网 4.3.1 划分子网 4.3.2 使用子网时分组转发 4.3.3 无分类编址 CIDR（构造超网） 4.4 网际控制报文协议 ICMP 4.4.1 ICMP 报文的种类 4.4.2 ICMP 的应用举例 4.5 因特网的路由选择协议 4.5.1 有关路由选择协议的几个基本概念 4.5.2 内部网关协议 RIP 4.5.3 内部网关协议 OSPF 4.5.4 外部网关协议 BGP

一、课程特点(实用性、专业性、知识性均很强) 本课程是计算机专业中实用性最强的技术课程之一。 本课程也是计算机课程中自学难度最大的之一,尤其是对未入门者。 本课程的学习必须理论知识与实际练习并重。 无理论知识一一无法理解网络设计、系统管理、故障分析、网络互连(不知道为什么要这样做) 无实际练习——无法掌握安装、文件/目录及用户管理的具体方法(不知道怎样做)