第13章基本回归模型----概述了 EViews中的普通最小二乘估计(OLS) 基础。 第14章其他回归方法--讨论加权最小二乘估计(WLS),二阶段最小二乘 估计(TSLS),和非线性最小二乘估计(NLS)技术

为解决板坯调宽立轧过程中常出现弯曲失稳问题,寻求实现稳定轧制的立轧允许轧制压力值,对热轧立轧小柔度板坯稳定轧制的允许轧制压力进行了研究,推导并建立了立轧小柔度板坯允许轧制压力的计算公式.实验和应用结果表明,对于处在小柔度范围内(10<B/H<25)的板坯,公式计算值与实验结果相吻合

提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法,并应用于中厚板表面缺陷自动识别.首先对图像做三级小波变分解,将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪;然后对各分量的傅里叶幅值谱提取Hu不变矩作为原始特征向量,并利用LPP将该特征向量的维数从77维降到8维;最后利用AdaBoost分类器对样本进行分类识别.实验结果表明,本文提出的特征提取方法适用于中厚板表面缺陷分类,识别率达到91.60%

为了解决由于织构漫散度给织构分析带来的估算误差,以达到对材料织构进行更为精确的分析,采用从极图求算ODF(orientation distribution function)中的\二步法\作为基本原理,选择以1°为最小间隔单位划分欧拉空间,对欧拉空间所有取向点的取向密度进行了求算,并建立了相应的分析系统.利用该分析系统对鞍钢生产的IF钢冷轧和退火样品进行了计算,并与已成熟的以欧拉角5°为最小间隔单位的ODF求算系统对比.结果表明:以欧拉角1°为最小单位的ODF取向密度分析系统比以欧拉角5°为最小单位的ODF取向密度分析能更确切地表示织构的分布情况

1.已知前提:(1)如果x与y是同班同学,则x的老师也是y的老师;(2)小李和小 张是同班同学;(3)王先生是小李的老师,运用自然演绎推理证明:王先生也是小张 的老师 证明:首先定义谓词: Teacher(x, y) x是y的老师 Classmates(x, y) x和y是同班同学 则已知的前提可以符号化为 (1)VxVyV=Teacher(x, y)A Classmates (, =)>Teacher(x, =))

小儿惊厥 患儿,女,12月,因“发热1天,抽搐2次”入院。患儿于入院前1天夜里突 发高热,自服退热药后体温曾恢复正常,但有反复,于入院前6小时突然发生 四肢抽搐,伴两眼凝视,神志不清,持续约5分钟缓解,当时体温39.5C,4 小时后有类似抽搐一次,外院肌注安定后转至我院。病程中精神较差,胃纳减 少,无咳嗽、流涕、呕吐、腹泻等。发病前无不洁饮食史,既往无类似疾病 史,个人史和家族史无特殊

3.1 引言 3.2 晶体管的高频小信号等效电路和参数 3.3 高频小信号宽带放大器

对测取的齿轮箱振动信号进行了离散小波变换,提取了齿轮箱螺栓拉断的故障信息.结果表明,小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段

分析了小波基函数对于确定模式、混沌模式及随机模式所表现出来的不同的收敛特性,提出构造一个小波神经网络及相应学习算法.利用小波网络在学习过程中神经元的不同增长趋势来反映上述收敛性的差异,从而将3种不同的模式予以区分,并将混沌模式从中提取出来

针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障