教学内容 首先介绍人工神经网络的基本概念和 ANN 的特性，以及神经网络的学习方法。然后讲授典型的前向神经网络、反馈神经网络的原理、结构、基本算法，给出了 BP 网络的算法改进。最后介绍了神经网络 PID 控制。 教学重点 1. 神经网络的各种学习算法，神经网络的训练。 2. 感知器网络、BP 网络的结构和算法、BP 网络学习算法的改进，反馈网络的结构、学习算法。 3. 神经网络 PID 控制

1. 了解什么是结构化程序设计，以及结构化程序设计的原则。 2. 了解程序设计风格 4 个方面的要求。 3. 了解提高程序效率的方法。 4. 了解程序设计语言的分类和特点。 5. 掌握度量程序复杂性的 McCabe 方法和 Halstead 方法

1. 直接自适应控制和间接自适应控制的基本概念； 2. 模糊模型参考学习控制（FMRLC）的原理、结构； 3. FMRLC 的设计和实现

4.1 叠加定理 (Superposition Theorem) 4. 2 替代定理 (Substitution Theorem) 4.4 戴维南定理和诺顿定理 (Thevenin-Norton Theorem) 4. 5 ＊特勒根定理 (Tellegen’s Theorem) 4. 3 互易定理 (Reciprocity Theorem) 4. 6 ＊对偶原理 (Dual Principle)

1. 了解软件测试的目的和原则。 2. 了解软件错误的分类。 3. 了解软件测试的过程和策略。 4. 了解软件测试用例设计的方法，掌握逻辑覆盖、基本路径测试、因果图等测试用例设计方法。 5. 了解程序静态测试的方法。 6. 了解程序调试的概念。 7. 掌握软件测试中的可靠性分析方法

频率特性及其表示法 典型环节的频率特性 稳定裕度和判据 频率特性指标

1. 了解面向对象的概念，包括什么是范型，面向对象的概念，对象和对象的分类等。 2. 了解用面向对象方法构造软件的开发过程，包括应用生存期和类生存期的概念。 3. 了解面向对象分析方法，包括论域分析，应用分析的介绍。 4. 了解面向对象设计方法，包括高层设计模型和设计原则，类设计的目标和方针，复用设计及类设计的方法。 5. 了解有影响的 coad 方法、Booch 方法和 OMT 方法的基本思想

• 1.1 引言 • 1.2自动控制系统示例 • 1.3闭环控制和开环控制 • 1.4自动控制系统的分类 • 1.5对自动控制系统的基本要求 • 1.6对本课程的基本要求

• 1.1 引言 • 1.2自动控制系统示例 • 1.3闭环控制和开环控制 • 1.4自动控制系统的分类 • 1.5对自动控制系统的基本要求 • 1.6对本课程的基本要求

1. 了解软件过程的概念、软件过程框架和软件过程模型。 2. 了解软件项目管理的过程。 3. 了解软件度量的种类，面向规模和面向功能的度量以及质量度量的种类。 4. 掌握 LOC 估算和 FP 估算的方法，分解技术和工作量估算方法。 5. 了解软件成本估算的概念，掌握 COCOMO 成本估算方法。 6. 了解软件成本―效益估计方法。 7. 了解风险分析的步骤，风险的种类、风险项目和风险构成。 8. 了解软件进度安排方法及图形工具。 9. 了解软件项目划分的方式，项目组织的模式，人员配备的原则和条件