4.1 理想流动管式反应器的特点 4.2 理想流动管式反应器基本方程式 4.3 空时、空速和停留时间 4.4 反应前后分子数变化的气相反应

§ 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

• 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

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

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

6.1 Z变换 6.2 Z变换的性质 6.3 信号的Z变换求法 6.4 反Z变换 6.5 离散时间系统的Z变换分析法 6.6 数字滤波器的概念

5.1 单边拉普拉斯变换 5.2 拉普拉斯变换的性质 5.3 拉普拉斯反变换 5.4 线性系统的拉氏变换分析法 5.5 连续时间系统函数与系统特性

9.1 特征值与特征向量 9.2 Hermite矩阵特征值问题 9.3 Jacobi方法 9.4 对分法 9.5 乘幂法 9.6 反幂法 9.7 QR方法