•二进制、二进制与十进制的相互转换 •逻辑代数的公式与定理、逻辑函数化简 •逻辑门电路的逻辑符号及逻辑功能 •组合电路的分析方法和设计方法 •典型组合逻辑电路的功能 10.1数字电路概述 10.2逻辑门申路 10.3逻辑函数及其化简 10.4组合逻辑电路的分析与设计 10.5组合逻辑部件

第四章随机变量的数字特征 数字特征的优越性: 1.较集中地反映了随机变量变化的一些平均特征 2.很多重要的随机变量(如二项分布、泊松分布、均匀分布、指数分布、正态分布等)的分布函数都能用一、两个数字特征完全确定。 3.重要的数字特征--数学期望、方差具有明确的统计意义,同时还具有良好的数学性质。 4.随机变量的数字特征较易求出

一、多维随机变量的概念 定义3.1设是随机试验E的样本空间,5,i=1,2,,n 是定义在Ω上的n个随机变量。将其构成一个n维有序数组 ξ=(51,52,…,5n) 称为n维随机变量(或称n维随机向量),称为ξ的第i个分量

一、二维离散型随机变量函数的分布 设(X,Y)是二维离散型随机变量,g(x,y)是二元连续函数,则Z=g(X,)为一元离散型随机变量

§3.1 原函数与不定积分的概念 §3.2 不定积分的性质与基本公式 §3.3 换元积分法 §3.4 分部积分法

第9章概率论与数理统 一、计问题的计算机求解 二、概率分布与伪随机数生成 三、统计量分析 四、数理统计分析方法及计算机实现 五、统计假设检验

共形映射  解析函数导数的几何含义  共形映射的概念 分式线性映射  保角性  保圆性  保对称性  唯一决定分式线形映射的条件

2.1 LTI连续系统的响应 一、微分方程的经典解 二、关于0-和0+初始值 三、零输入响应和零状态响应 2.2 冲激响应和阶跃响应 一、冲激响应 二、阶跃响应 2.3 卷积积分 一、信号时域分解与卷积 二、卷积的图解 2.4 卷积积分的性质 一、卷积代数 二、奇异函数的卷积特性 三、卷积的微积分性质 四、卷积的时移特性

逐步回归实例分析 y:伊犁河年平均流量(1975) X1各预报因子,其含义见P64,数据见P66表4-7 资料年限:1953—1974年n=22 一、计算原始增广矩阵

• 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）