针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

实验1 电工基本知识与基本测量 实验2 单口网络 实验3 交流电路元件参数的测量 实验4 RLC串联电路的频率特性 谐振 实验5 日光灯电路及其功率因数的提高 实验6 三相电路 实验7 三相异步电动机的使用 实验8 三相异步电动机变频调速演示

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度

实验一 常用电子仪器的使用 实验二 用multisim软件进行网络定理验证 实验三 电子元器件参数测试及交流特性分析 实验四 一阶电路时域响应的研究 实验五 交流电路认识及参数测试 实验六 交流控制电路设计 实验七 RLC电路频率特性测试及谐振电路分析

实验一 总体概率密度分布的非参数方法 实验二 感知器准则算法实验 实验三 Fisher线性判别实验 实验四 BP神经网络算法实验 实验五 支持向量机算法实验

通过本章的教学，使学生掌握市 场调查的方法-----非访谈调查 （文案调查法、观察法、实验法、 网络调查法），掌握这几种方法 的分别或综合运用，获得可靠的 市场信息资料，提高学生实际从 事市场调查的能力

实验一 数字程控交换系统的基本组成 实验二 数字程控交换系统的数据配置 实验三 数字程控交换的控制系统与交换网络 实验四 用户接口电路 实验五 DTMF 收号 实验六 模拟用户终端信令过程 实验七 局间信令 实验八 号码分析 实验九 数字程控交换系统计费

实验一 基尔霍夫定律的验证 实验二 叠加原理的验证 实验三 戴维南定理和诺顿定理的验证─——有源二端网络等效参数的测定 实验四 单相电度表的校验 实验五 正弦稳态交流电路相量的研究 实验六 单相铁心变压器特性的测试 实验七 三相交流电路电压、电流的测量

根据交流伺服电机数学模型和矢量控制理论以及模糊控制理论,实现了以DSP为控制器、IPM为主回路,以模糊控制器为速度环,以矢量控制滞环比较器为电流环的交流伺服系统.在此基础上,进行了模糊神经网络控制的仿真.通过仿真及实验结果,证明了该系统具有一定的理论意义和实用价值