本章重点: 1.常用的数据类型 整型(-32768~32767)、实型、无符号、字符、字符串 2、定义变量使用变量 3、转义符(重点、naa 4、类型转换，由低向高，系统自动 ，用户强制 5、自增、自减 6、表达式 7、复合运算

第七章特定水体的污染及自净 第一节水体自净 水体是地面水(河流、湖泊、沼泽、水库)、地下水和海洋的总称。它不仅仅指水,还包括 水中的溶解物、悬浮物、水生生物和底泥等,是一个完整的生态系统。在环境污染研究中,“水” 和“水体”是两个不相同的概念,应当区别开来。例如,重金属污染物易于从水中转移到底泥里, 水中的重金属含量一般都不高,若着眼于水,似乎水污染并不严重,但是从整个水体看,污染就 可能很严重

环境的基本概念 环境是近年来使用非常广泛的一个名词或术语,它的含义和内容 都极其丰富。什么是环境?在不同的学科中有不同的定义。对于环境 科学而言,环境的概念是指:围绕着人群的空间及其中可以直接、间 接影响人类生活和发展的各种自然因素和社会因素的总体。自然因素 的总体称为自然环境,社会因素的总体称为社会环境。 自然环境包括自然界各种要素,例如大气、水体(河流、湖泊 海洋等)、土壤、动物、植物、微生物等,也包括经过人类改造的自 然界,如城市、农村、水库、园林等

由于自顶向下分析技术是一个从识别符号开 始逐步构造最左推导的过程。每一步都将最 左的非终结符号替换为其相应规则的右部。 ·开始时,句型就是由一个识别符号组成的。 每次选择规则之后,替换最左非终结符号, 得到一个新的句型。 由于在一般的情况下,一个非终结符号对应 有多个规则。具体选择哪个规则将是自顶向 下分析技术所需要解决的主要问题

第一节 农业生态学概述 第二节 农业生态学的基本原理（自学） 第三节 农业生态系统 第四节 农田、草地和林地生态系统（自学） 第五节 农业害虫的防治与生态调控（自学） 第六节 生态农业与持续农业

在实际的神经网络中,比如人的视网膜中,存在着一种“侧抑制”现象,即一个神经 细胞兴奋后,通过它的分支会对周围其他神经细胞产生抑制。这种侧抑制使神经细胞之间 出现竞争,虽然开始阶段各个神经细胞都处于程度不同的兴奋状态,由于侧抑制的作用, 各细胞之间相互竞争的最终结果是:兴奋作用最强的神经细胞所产生的抑制作用战胜了它 周围所有其他细胞的抑制作用而“赢”了,其周围的其他神经细胞则全“输”了。 自组织竞争人工神经网络正是基于上述生物结构和现象形成的。它能够对输入模式进 行自组织训练和判断,并将其最终分为不同的类型

自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想

第二章基本放大电路 自测题 一、在括号内用“√”或“×”表明下列说法是否正确。 (1)只有电路既放大电流又放大电压,才称其有放大作用;() (2)可以说任何放大电路都有功率放大作用;() (3)放大电路中输出的电流和电压都是由有源元件提供的;() (4)电路中各电量的交流成份是交流信号源提供的;() (5)放大电路必须加上合适的直流电源才能正常工作:() (6)由于放大的对象是变化量,所以当输入信号为直流信号时,任何 放大电路的输出都毫无变化;()

在实际的神经网络中,比如人的视网膜中,存在 着一种“侧抑制”现象,即一个神经细胞兴奋后 ,通过它的分支会对周围其他神经细胞产生抑 制。 自组织竞争人工神经网络正是基于上述生物结构 和现象形成的。它能够对输入模式进行自组织 训练和判断,并将其最终分为不同的类型

13-3自感和互感 一、自感电动势自感 穿过闭合电流回路的磁通量