1. 数制和脉冲信号 2. 基本门电路及其组合 3 . TTL 门电路 4 . C M O S 门电路 5. 逻辑代数 6. 组合逻辑电路的分析和设计 7. 加法器 8. 编码器 9. 译码器和数字显示 10. 数据分配器和数据选择器 11. 应用举例

《结晶学与矿物学》实验 《晶体光学及光性矿物学》实验 《岩石学 A 实验》 《矿相学实验》 《矿产勘查学实验》 《矿体建模及储量估算》实验 《油气地质测试分析实验》实验 《地震测井解释实验》实验 《土壤学》课程实验 《土地信息系统》实验 《地理信息系统 A 实验》 《地理信息系统基础与应用》实验 《地球科学概论》实验 《构造地质学 A》实验 《古生物学》实验 《地层学》实验 《古生物学与地层学》实验 《演化古生物学》实验 《矿床学 A》实验 《地质填图方法与技术》实验 《地球化学》实验 《自然灾害评估与防治》实验 《多元地学数据统计分析方法》实验 《沉积成岩作用研究方法与应用》实验 《岩浆岩成因研究方法与应用》实验 《变质作用研究方法与应用》实验 《地球化学理论与应用》实验 《岩石变形中的微观组构》实验 《成矿构造分析》实验 《构造解析》实验 《区域构造分析》实验 《地球生物学》实验 《地层学理论与应用》实验 《地层建造分析》实验 《生命的历史》实验 《中国地质学》实验 《遥感地质学 A》实验 《区域地质调查方法与技术》实验 《沉积环境与沉积相》实验 《流体包裹体研究及地质应用》实验 《地貌学及第四纪地质学》实验 《遥感原理与方法》实验 《岩石学 B》实验 《矿山地质学》实验 《石油构造分析》实验 《重砂测量与分析》实验 《矿业工程概论》实验 《宝石资源地质学》实验 《显微构造学》实验 《三维地质建模与可视化》实验 《人工智能在地学中的应用》实验 《综合地层学》实验

针对材料在自然土壤环境中的腐蚀预测问题,提出应用多层线性模型对材料的腐蚀规律进行研究.多层线性模型是分析具有层次结构数据的新型统计技术,对于地区间土壤腐蚀规律的差异性特点和单地区实验观测样本不足的问题,可以为不同的区域分别建立腐蚀率模型,使模型假设与实际更为吻合.以碳钢在土壤中的腐蚀数据为研究对象,建立了腐蚀率的多层线性模型.实验验证了该模型可以准确地拟合和预测碳钢在土壤的腐蚀率变化,优于指数平滑算法和差分自回归移动平均算法

实验一基本门电路逻辑功能测试 实验二加法器的设计与应用 实验三译码器和数据选择器的设计及应用 实验四优先编码器的设计(EWB) 实验五触发器的设计及应用 实验六计数器的设计 实验七555定时器

第1节 无线数据通信概述 3.1.1 概念 3.1.2 主要类别 3.1.3 特点和应用 3.1.4 网络 3.1.5 发展趋势 第2节 红外无线数据通信 3.2.1 概述 3.2.2 系统组成、原理及分类 3.2.3 特点 3.2.4 主要协议——IrDA协议集 3.2.5 红外数据网络 第3节 蓝牙技术Bluetooth 第4节 基于802.11的无线局域网 3.4.1 无线局域网概述 3.4.2 无线局域网网络硬件 3.4.3 网络拓扑结构 3.4.4 网络协议IEEE802.11 3.4.5 无线局域网的频段分配 3.4.6 无线局域网的发展趋势 3.4.7 Wi-Fi新闻 第5节 紫蜂技术ZigBee 3.5.1 简介 3.5.2 协议套件 3.5.3 技术特点 3.5.4 主要应用领域

网络系统管理的概念和基本功能,简单网络管理协议SNMP的组成及应用,实用网络管理系统;网络安全的基本概念,影 响网络安全的因素和网络安全对策,数据加密的基本概念、常用的加密算法和鉴别技术的应用,网络防火墙的概念、技术分类和应用

对神经网络和传统模式识别技术的基本原理和应用特点进行比较.根据已有烧结合成O'-Sialon的实验数据,利用改进后的人工神经网络,构筑了材料相组成及性能的预测模块,并与模式识别技术处理得到的结果进行了比较.在此基础上,探索了合成O'-Sialon-BN复合材料的工艺条件,并通过实验结果进行了验证

通过本章学习,应掌握以下内容: ●网络安全隐患 ●加密技术基本知识 ●身份认证技术 ●网络安全标准、措施和有关法规

测量的基本知识(包括误差、信号描述、测量装置的基本特性） 传感器技术（包括常用传感器原理） 信号处理技术（包括模拟和数字信号处理方法） 常用参量的测试（包括应力应变、力、振动、温度和流量） 综合试验（包括机械量的动态测量和控制） 第一讲 测试技术绪论 第三章 测试系统的基本特性 第四章 测试系统特性 第二章 测量技术 2.1、测量的基本知识 2.2、静动态试验数据的描述 2.3、测量系统的基本特性 第四章 传感器技术 第四章 常见参量的测试 4.3.1 温度测量的基本概念 4.3.2 热电偶测温 4.3.3 热电阻测温 4.3.4 非接触式测温

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升