人工智能基础：采用改进结构特征度度量分析的噪声标准差估计算法

人工智能基础：颜色特征的图像分类技术研究

《石油地质学 Petroleum Geology》课程教学资源（阅读文献）论鄂尔多斯盆地长7段优质油源岩在低渗透油气成藏富集中的主导作用——强生排烃特征及机理分析

本章系统阐述神经肌肉的兴奋性,含兴奋的产生、传导和兴奋在神经肌肉接点的传递,认为这是完整机体内肌肉收缩的生理学基础;根据肌丝滑行理论着重对肌细胞的收缩过程与机制,以及肌肉收缩的形式和力学特征进行分析;此外肌肉中结缔组织对肌肉收缩的影响以及肌电图在体育科研中的应用也作简要的介绍。 第一节 肌肉的微细结构 第二节 肌肉的特性 第三节 细胞的生物电现象 第四节 肌肉的收缩原理 第五节 肌肉收缩形式与力学特征 第六节 肌纤维类型与运动能力 第七节 肌肉的结缔组织 第八节 肌电图

目的:了解学习者的学习者准备状态。学习准备:学习者在进行新的学习时,他已有的知识、技能、情感水平和心理发展对新的学习的适合性。新学习的出发点。包括:一般特征;初始能力

本章主要介绍了数据分布特征的描述的基本理论,包括平均指标 和变异指标的基本概念、种类以及各种计算方法,计算和应用平均指 标应注意的问题等。通过学习,使学习者能够掌握数据分布的集中趋 势和离散特征,为经济管理服务

本章主要介绍了数据分布特征的描述的基本理论, 包括平均指标和变异指标的基本概念、种类以及 各种计算方法,计算和应用平均指标应注意的问 题等。通过学习,使学习者能够掌握数据分布的 集中趋势和离散特征,为经济管理服务

环节动物门的基本特征，代表性动物，分类，与人类的关系 软体动物门的基本特征，代表性动物，分类，与人类的关系

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

3.1 统计变量集中趋势的测定 3.2 统计变量离散程度的测定 3.3 变量分布偏度与峰度的描述