 7.3 线性分组码 7.3.1 一般概念 7.3.2 一致监督方程和一致监督矩阵 7.3.3 线性分组码的生成矩阵 7.3.4 线性分组码的编码 7.3.5 线性分组码的最小距离、检错和纠错能力 7.3.6 线性分组码的译码 7.3.7 线性分组码的性能 7.3.8 汉明码 7.3.9 由已知码构造新码的方法 7.3.10 GSM 的信道编码总体方案 7.3.11 线性分组码的码限  7.4 循环码 7.4.1 循环码的多项式描述 7.4.2 循环码的生成多项式 7.4.3 系统循环码 7.4.4 多项式运算电路

13-1 传感器的非线性处理 1、硬件线性化处理方法

第一节 线性分组码基本概念 • 线性空间 • 线性分组码定义 • 生成矩阵 • 校验矩阵 • 对偶码、系统码和缩短码 第二节 线性分组码的译码 • 伴随式 • 汉明码 • 标准阵列 第三节 由已知码构造新码的方法 • 扩展码 • 删余码 • 增广码(增信删余码) • 增余删信码 • 延长码 第四节 线性码的纠错能力 • 码的重量分布 • 普洛特金限(P限) • 汉明限 • V-G限

有记忆AWGN信道下的最佳接收检测 线性均衡 判决反馈均衡器 迭代均衡和译码——Turbo均衡 自适应均衡

• 矩阵分解及隐性语义索引 • 关于词项-文档矩阵 • 线性代数基础 • 矩阵分解与低秩逼近 • IR中的隐性语义索引 • 矩阵分解的计算机实现 • 推荐系统 • 推荐系统的兴起 • 推荐系统的基本方法 • 示例：UV分解用于音乐推荐

一、Oracle Spatial基本概念 二、Oracle Spatial对象关系模式 三、空间索引和空间查询 四、坐标系统 五、线性参考系统

文章从众多自由度系统的特定时空尺度大气现象与观测事实密切结合的角 度,对大气科学中非线性与复杂性研究的进展进行了评述,依次讨论了从确定论走向 不确定、混沌中的有序和全球变化等,并就该领域存在的问题和发展前景进行了探讨

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

5.1 气味信息的特征与提取 5.2 气味信息的预处理 5.3 主成分分析 5.4 独立成分分析 5.5 聚类分析 5.6 线性判别分析 5.7 支持向量机分析

电路理论是电子信息学科的主干课程,是电子信息、电气信息、通信、自动化、计算机 及机电类专业必修的重要专业基础课程,也是电子信息工程系系级专业基础平台课。 本课程的目的是:学习线性时不变电路系统的基本规律、基本理论和基本分析计算方 法,培养学生对各种无源和有源电路系统的定性分析和定量计算能力,掌握现代电路理论的 观点、方法及分析解决具体实际问题的能力,同时也为学习各专业的后续课打下坚实的理论 基础