• 4.1 各种傅立叶变换及其关系 • 4.2 快速付立叶变换(FFT) • 4.3 用FFT计算序列的频谱 • 4.4 时域采样中的频谱变换 • 4.5 连续信号的频谱计算 • 4.6 用反变换从频谱计算信号 • 4.7 用FFT计算能量 • 4.8 小结

1 信息的表示与存储  计算机的数字系统  常见的进制数及它们之间的转换  原码，反码与补码  非数值信息的表示 2 算法基本概念  什么是算法  算法的特征与评价  算法的描述方法  基本控制结构

第一节离散时间系统 第二节离散时间信号序列 第三节Z正变换 第四节Z反变换 第五节Z变换的性质 第六节Z变换与拉普拉斯变换的关系 第七节离散信号的Z变换

§ 4-1 拉普拉斯变换 § 4-2 拉普拉斯变换的性质 § 4-3 拉氏反变换

第一节 运算电路 一、比例电路 二、加减运算电路 三、积分运算电路和微分运算电路 四、对数和反对数运算电路 五、乘法运算电路 第二节 电压电流变换电路 一、电压－电流变换器 二、电流－电压变换器 第三节 有源滤波电路 引言 一、低通滤波器 二、高通滤波器 三、带通滤波器 四、带阻滤波器

7.1 比例电路 7.2 基本运算电路 7.3 对数和反对数电路 7.4 集成模拟乘法器 7.5 有源滤波器

掌握神经系统的基本检查方法，能获取对疾病的定位和定性诊断信息，是医学生临床教学中不可缺少的部分。在进行神经系统检查时，首先要确定患者对外界刺激的反应状态，即意识状态

掌握傅里叶变换定义及其基本性质； 牢记常用典型信号的傅里叶变换； 掌握求解信号傅里叶变换（正变换和反变换）的基本方法； 掌握运用傅里叶变换分析LTI系统的方法

• 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）

安慰剂效应是一个广泛存在并对身心健康具有重要意义的话题。 安慰剂效应的作用和原理的许多问题有待阐明。 安慰剂效应广泛地在存在实际生活中。 目前主要集中在与临床药理学相关的课题上。 与安慰剂效应密切关联的信念过程甚至可能是人类的宗教和信仰的心理基础。 主要内容： 什么是安慰剂及安慰剂效应 安慰剂在医疗中的应用 安慰剂在其他行业的应用 为什么会产生安慰剂效应 什么是反安慰剂效应