2.1 线性表的基本概念 2.2 线性表的顺序表示 2.3 线性表的链式表示 2.4 线性结构的深入

自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想

北京大学：《高等代数》课程教学资源（讲义）第四章 线性空间与线性变换 4.3 线性映射与线性变换 4.3.1 线性映射的定义

北京大学：《高等代数》课程教学资源（讲义）第四章 线性空间与线性变换 4.1 线性空间的基本概念 4.1.4 线性空间的基变换，基的过渡矩阵 4.2子空间与商空间 4.2.1 线性空间的子空间的定义

2.1 线性表的类型定义 2.2 线性表的顺序表示和实现 2.3 线性表的链式表示和实现 2.3.1 线性链表 2.3.2 循环链表 2.3.3 静态链表 2.3.4 动态链表与静态链表 2.3.5 双向链表 2.3.6 其他表示 2.4 基于链表的算法设计 2.5 一元多项式的表示及相加

第三章线性方程组 3-1消元法 一、线性方程组的初等变换现在讨论一般线性方程组所谓一般线性方程组是指形式为

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

4.1 非线性二端电阻元件 4.2 非线性直流电路方程

3.1栈 3.1.1抽象数据类型栈的定义 栈(stack):先进后出(FILO)的线性表 或后进先出(LIFO)的线性表。 或仅在表尾进行插入和删除操作的线性表。 栈顶(top):线性表的表尾端,即可操作端。 栈底(bottom):线性表的表头

一、齐次线性方程组有非零解的条件 讨论齐次线性方程组