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

1 简单电阻电路的分析 2 电路的等效变换方法 * 电阻网络的等效化简 * 含独立电源网络的等效变换 * 实际电源的两种模型 * 含受控电源网络的等效变换 2-3 电阻星形联接与三角形联接的等效变换 2-4 含独立电源网络的等效变换 2-5 含受控电源网络的等效变换

1 简单电阻电路的分析 2 电路的等效变换方法 * 电阻网络的等效化简 * 含独立电源网络的等效变换 * 实际电源的两种模型 * 含受控电源网络的等效变换 2-3 电阻星形联接与三角形联接的等效变换 2-4 含独立电源网络的等效变换 2-4 含受控电源网络的等效变换

5.1 状态方程的直观列写与系统公式列写法 5.2 状态方程的端口建立法 5.3 状态方程的其它建立法 5.4 非线性网络的状态方程 5.5 网络状态方程的解 5.6 网络的CAA概述 5.1 状态方程的直观列写与系统公式列写法 5.2 状态方程的端口建立法 5.5 网络状态方程的解

双端口网络的Z参量 双端口网络的Y参量、H参量、G参量、A参量 双端口网络的串联和并联

1.企业简介 2.企业目标 3.用户需求分析 4.网络设计 5.网络安全设计

10.5 二端口 网络的特性 阻抗和 传输常数 10.1 二端口 网络的一般 概念 10.3 二端口网络 的输入阻抗、 输出阻抗和 传输函数 10.6 二端口 网络应用简介

提出了一种可以灵活适应不同的工程应用中神经网络在规模、拓扑结构、传递函数和学习算法上的变化,并能及时根据市场需求快速建立原型的神经网络硬件可重构实现方法.对神经网络的可重构特征进行了分析,提出了三种主要的可重构单元;研究了可重构的脉动体系结构及BP网络到该结构映射算法;探讨了具体实现的相关问题.结果表明,这种方法不仅灵活性强,其实现的硬件也有较高的性价比,使用一片FPGA中的22个乘法器工作于100MHz时,学习速度可达432MCUPS

8.1 数据中心与数据中心网络概述 8.1.1 数据中心 8.1.2 数据中心网络 8.1.3 数据中心网络体系结构 8.2 电交换数据中心网络架构 8.2.1 以交换机为中心的 DCN 架构 8.2.2 以服务器为中心的 DCN 架构 8.3 光电混合交换数据中心网络架构 8.4 光交换与光互连数据中心网络架构 8.4.1 基于光电路交换的全光数据中心网络 8.4.2 基于光分组交换的全光数据中心网络 8.4.3 数据中心机架内光互连架构 8.5 数据中心网络的路由技术 8.5.1 数据中心的流量特征分析 8.5.2 分布式路由机制 8.5.3 集中式路由机制 8.6 数据中心网络的传送技术 8.6.1 TCP 拥塞控制机制 8.6.2 多租户场景的带宽分配算法 8.7 软件定义数据中心网络 8.7.1 软件定义网络 8.7.2 软件定义数据中心网络

一、风量分配基本定律 二、网络图及网络特性 三、通风网络动态特性分析 四、矿井风量调节 五、应用计算机解算复杂通风网络