第1章 宏观经济学的科学 第2章 宏观经济学的数据 第3章 国民收入:从哪里来和到哪里去 第4章 经济增长 I (索洛增长模型) 第5章 经济增长II 第6章 失业 第9章 经济波动导言 第10章 产品市场和货币市场的一般均衡 第11章 LM-IS 分析（总需求II） 第14章 稳定宏观经济政策 第十七章 宏观经济政策实践 第9、10章 总需求-总供给模型 第十九章 通货膨胀与失业 第7章 货币与通货膨胀 第8章 国际经济部门(开放型经济模型) 第二十一章 经济增长理论

•测量学与制图学统称为测绘学。•测绘学研究的对象是地球整体及其表面和外层空间中的各种自然物体和人造物体的有关信息。•它研究的内容是对这些与地理空间有关的信息进行采集、处理、管理、更新和利用。•传统的测量学研究的对象是地球及其表面，但随着现代科学技术的发展，它已扩展到地球的外层空间，并且已由静态对象发展到观测和研究动态对象；同时，所获得的量既有宏量，也有微量

基于局部指数积(localPOE)公式建立了柔性关节臂式测量机的理想运动学模型,依据各种误差因素修正得到实际运动学模型,详细分析了各种运动学参数误差对测量精度的影响.仿真结果表明,长度类的运动学参数误差对测量结果不会引起放大或缩小,而角度类的运动学参数误差会引起测量结果的严重放大

绪论 一、家畜环境卫生学的研究对象与目的 (一)家畜环境卫生学定义(二)目的 二、家畜环境卫生学的发展史 (一)国外的发展历史(二)国内的发展历史 三、家畜环境卫生学的研究方法 (一)调查研究法(二)试验研究法(三)监测法 四、目前主要研究内容 (一)环境因素对家畜的影响及控制方法(二)环境营养 (三)牧场建设(四)畜产公害的治理(五)医学数理统计的应用

一、制定本大纲的依据 依据2003级作物种子学教学计划和教学大纲要求,为达到教学目的和要求而制定。 二、本课程实验教学的作用 要求学生牢固掌握和深入理解每个实验的基本原理和方法,学会运用原理和方法解决实践中存在的问题。要求学生有强烈的专业思想、理论联系实 际。实验中要认真、仔细,爱护公共财产,并能严格遵守课堂纪律,以保证顺利完成每次实验

针对一类双波动鳍仿生水下机器人的姿态镇定问题,提出一种基于增强学习的自适应PID控制方法.对增强学习自适应PID控制器进行了具体设计,包括PD控制律和基于增强学习的参数自适应方法.基于实际模型参数对偏航角镇定问题进行了仿真试验.结果表明,经过较小次数的学习控制后,仿生水下机器人的偏航角镇定性能得到明显改善,而且能够在短时间内对一般性扰动进行抑制,表现出了较好的适应性

提出了基于免疫遗传算法的形态学自适应结构元素生成算法，并将其用于光学相干断层成像(optical coherence tomography，OCT) 图像中视网膜组织边缘检测. 首先将图像进行去噪和粗分割的预处理，并将图像划分为若干子图像; 其次对每一子图利用免疫遗传算法求取自适应结构元，初始随机生成固定长度的二进制数串作为抗体，并将其转化为结构元素格式，以图像二维熵定义抗体适应度，根据子图像本身结构特征信息，寻找最优抗体结构元素; 最后利用寻优得到的各结构元素对子图进行形态学边缘检测，合并各子图的分割结果，实现整体图像目标边界提取. 实验结果表明了该方法在图像目标边界提取的有效性

崩塌灾害的早期预警一直是岩土工程领域研究的热点问题之一.传统的监测预警方法监测指标相对单一, 更多关注于加速破坏前兆的识别, 使得崩塌的早期预警存在诸多困难.本文首先引入动力学监测指标, 对岩土体破坏过程中的动力响应进行综述, 得出基于固有振动频率等动力学监测指标可以为危岩体的损伤提供数据支持.随后基于最新的实验研究发现动力学监测指标可以有效反应边坡的物理力学特征的变化, 进而可以实现岩体损伤与稳定性的动态识别和定量判断.在对国内外现状进行综述发现, 基于分离阶段破坏前兆识别的岩块体崩塌灾害预警思路, 具有更好的时效性, 是未来崩塌早期预警的发展方向, 同时对崩塌的早期预警指标体系进行展望, 得出基于动力学指标、静力学指标和环境量指标三位一体的早期监测预警指标体系, 必将在工程监测与灾害预警方面发挥更大潜力, 为从事应对崩塌等脆性破坏灾害预警预防的研究工作者提供有效参考

一、药理学的性质与任务 药物:是指通过影响机体的某种生理 和/生化过程,用于防治和诊断疾病 的各种化学物质。 药理学:是研究药物与机体相互作用 规律的一门科学。其研究内容主要 包括药物效应动力学(简称药效学) 和药物代谢动力学(简称药动学)

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度