第二章基本数据类型及数据的输入输出 2.0预备知识 2.1常量与变量 2.2数据类型 2.3常用输出与输入函数

第二章线性表 线性结构特点:在数据元素的非空有限集中 存在唯一的一个被称作第一个”的数据元素 存在唯一的一个被称作“最后一个”的数据元素 除第一个外,集合中的每个数据元素均只有一个前驱

3.2编辑数据 3.2.1添加新记录 3.2.2删除记录 3.2.3修改数据 3.2.4复制与粘贴数据 3.2.5查找、查找并替换数据 3.2.6在“零售商店管理信息

第3章数据库的创建和管理 3.1数据库的存储结构 3.2创建和删除数据库 3.3修改数据库

1.7 Access2003数据库对象操作 1.7.1 Access2003数据库文件 1.7.2创建 Access2003数据库的方法 1.7.3转换 Access数据库 1.7.4打开已有 Access2003数据库

第9章数据库编程 9.1数据库概述 9.2DBC数据库管理 9.3数据库相关的 ActiveX控件

第七章半导体存储器 存储器—用以存储二进制信息的器件。 半导体存储器的分类: 根据使用功能的不同,半导体存储器可分为两大类: (1)随机存取存储器(RAM)也叫做读/写存储器。既能方便地读岀所存数据,又能随时写入新的数据。RAM的缺点是数据易失,即一旦掉电,所存的数据全部丢失 (2)只读存储器(ROM)。其内容只能读出不能写入存储的数据不会因断电而消失,即具有非易失性。存储器的容量:存储器的容量=字长(n)×字数(m)

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

➢ （一）SCIENCE DIRECT数据库浏览 ➢ （二）SCIENCE DIRECT数据库检索 ➢ （三）检索式的保存和调用

• 11.1 NoSQL简介 • 11.2 NoSQL兴起的原因 • 11.3 NoSQL与关系数据库的比较 • 11.4 NoSQL的四大类型 • 11.5 NoSQL的三大基石 • 11.6 从NoSQL到NewSQL数据库 • 11.7 文档数据库MongoDB