一.简答题(每题6分,共30分。要求有简单说明) (1)已知某线性分组码的最小码距是15,问该码用于纠错时能保证纠正几位错?用于检错时能保证检出几位错?将该码的两个不相同的码字相加,结果最少有几个1?

这本集子中的感想和看法,是没有什么次序的,而且差不多是不 连贯的,它开始是为了使一位善于思考的贤良的母亲看了高兴而 写的。最初,我的计划只是写一篇短文但是我所论述的问 题却不由我不一直写下去,所以在不知不觉中这篇论文就变 成了一本书,当然,就内容来说,这本书的分量是太大了,然 而就它论述的事情来说,还是太小了

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

第四章快速傅立叶变换(FFT) 主要内容: 一、/DFT的问题及解决途径 二、FFT的原理和复杂性 三、按时间抽取的FFT算法 四、按频率抽取的FFT算法 五、离散傅立叶反变换的快速算法 六、线性调频z变换(chirp-z变换)算法 七、线性卷积的FFT算法

一、选择填空(本题共14分,每小题2分) 1 1.(2)疲劳极限2.(4)F23.4)边界摩擦4.(2)动力粘度 5.(3)3%6.(4)自由锻造毛坯 7.(1)对称循环 二、按图选答案(本题共16分,每小题2分) 1.b2.c3.b4.a5.c6.a7.c8.c 三、回答问题(本题共16分) 1.1-C,2-E,3-A,4-B,5-D 2.1)蜗杆-齿轮减速器传动Ⅱ 2)带-齿轮减速器I

在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全。针对此问题，从训练数据、网络结构和算法超参数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet，其中包括可疑区域生成网络VRGNet和威胁判别网络VTCNet，VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警。针对训练数据偏少的问题，利用多种数据增强技术相结合的方式对数据集进行扩充。通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理速度来研究其最优配置。研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效率则随着网格的增加迅速降低。综合检测准确率与推理速度，确定9×9为最优网格划分方案；随着输入图像尺寸的增加，检测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸。输入实验以及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性和效率，满足实际应用的需要

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

一、有声语言： 我们每个人从生下来开始就会说话。有人认为这说话的问题、这口语的问题还有什么值得学的吗？有什么值得讲的吗？ 我没有学过不也说话吗？我不是照常工作？有这种想法，不奇怪。但是，当你知道了口语也要讲究的时候，当你知道学了与 不学不一样的时候，当你听到了会说会讲，讲的好与不好这些情况的时候，这个问题你就会找到自己的答案，我举一个例子， 一篇稿子有这么一段话：1998 年的 7 月 26 日下午 2 点，长江第三次洪峰又来了，36 米高的洪峰卷起足有两米高的巨浪冲向 单薄的泉州大堤……

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

法国历史学家亚历克西·德·托克维尔( A lexis de Toque ville,18051859)的名著《旧制度与大革命》,经 冯棠翻译,桂裕芳教授校阅,最后由我审订,终于同读者见 面了。原著出版于1856年,135年后才有汉译本,似乎委屈 了这部“经典著作”。但是即使在欧美,托克维尔的名声和学 术地位也是近几十年才最后确立的 托克维尔的成名作是1835年问世的《论美国的民主》① 第一卷,第二卷出版于1840年,次年他就荣膺法兰西学院院 士,仅36岁