1 基本原理 2 多分类器结合 3 装袋 Bagging 4 提升法 Boosting（提升法） AdaBoost 算法 AdaBoost 算法的另一个解释

1 历史进程 2 预备知识 采用线性激活函数的神经元 采用阈值激活函数的神经元 采用 S 形激活函数的神经元 3 异或问题 4 多层感知机到底在做什么？ 5 Tilling（耕种，耕作）算法 6 可微激活函数函的多层感知机学习方法 误差 e 的表示 误差的反向传播 反向传播算法 计算例子

1 感知机存在的一个问题 2 线性可分 SVM SVM 的种类 函数间隔和几何间隔 学习的原始最优化问 题 凸优化问题 线性可分 SVM 学习算 法—最大间隔法 支持向量与间隔边界 拉格朗日对偶性 KKT 条件 线性可分 SVM 学习的 对偶算法 3 线性不可分 SVM 线性 SVM 学习的对偶 算法 线性 SVM 学习算法 线性不可分时的 SV 合页损失函数 4 非线性 SVM 与核函数 希尔伯特空间 核函数的定义 核函数的选取 核技巧在 SVM 中的应 用 非线性 SVM 算法 5 序列最小最优化算法 SMO 算法的基本思路 两变量二次规划的求 解方法 两个变量的选择方法

➢学习内存管理模型与其数据结构 ➢使用显示空闲链表实现一个32位系统堆内存分配器 ➢了解基础的内存管理算法 ➢尝试更高级的内存分配算法

介绍了一种恢复数字化畸变凸性图像的算法-增强算子讨论该方法增强和恢复被高斯噪声畸变的凸性数字化图像的原理并通过计算机模拟实例验证了增强算子处理畸变凸性数字化像点的有效性.该方法已用于处理Al-Mn-Si准晶的数字化高分辨电子显微镜(HREM)像,揭示了HREM像中的周期性特征

为了解决分段多点成形过程中的技术难题,利用数值模拟软件对其成形过程进行数值模拟.以显式算法模拟加载成形过程,隐式算法模拟卸载回弹过程,从而实现分段多点成形的数值模拟.采用非均匀有理B(NURBS)样条曲线设计过渡区形状,探讨了过渡区大小对成形品质的影响.结果表明,在合理设计过渡区的情况下,分段成形品质好于一次成形

针对齿轮局部损伤故障振动信号的特点,在对其数学模型进行循环平稳性理论分析的基础上,定义并解释了幅值调制能量比系数概念及其算法.通过仿真分析,基于信号累积量的循环相关分析算法不仅能完整地保留信号中的周期成分,还具有较好地抑制加性平稳噪声的优点,利于幅值调制能量比系数指标的提取.实验表明,结合齿轮运转的样本数据,幅值调制能量比系数值随着齿轮局部损伤程度的加大而增大.该方法可以发现齿轮在运转中某轮齿发生的局部损伤故障及损伤程度

本章主要介绍针对上层用户使用的系统调用。用户通过使用本章介绍的系统调用来申请操作系统中有关文件和文件系统操作的各项功能。 本章介绍的算法是基于第四章所介绍的底层文件系统算法之上的，主要包括七大类操作： 返回文件描述符类操作 路径名转换类操作 分配索引节点类操作 文件属性类操作 文件输入输出类操作 文件系统装卸类操作 文件系统目录树操作

提出了一种可以灵活适应不同的工程应用中神经网络在规模、拓扑结构、传递函数和学习算法上的变化,并能及时根据市场需求快速建立原型的神经网络硬件可重构实现方法.对神经网络的可重构特征进行了分析,提出了三种主要的可重构单元;研究了可重构的脉动体系结构及BP网络到该结构映射算法;探讨了具体实现的相关问题.结果表明,这种方法不仅灵活性强,其实现的硬件也有较高的性价比,使用一片FPGA中的22个乘法器工作于100MHz时,学习速度可达432MCUPS

给出了一套通过近景摄影来进行摄影镜头畸变校正的完整方法,它包括准备标靶并摄影、计算机自动识别和匹配标靶标志点、运用最小二乘法解镜头畸变校正系数等步骤.详细讨论了自动识别和匹配标靶算法的各个步骤,包括预处理,二值化,图像分割、细化,线条检测,标志点判别,重建标靶网格和标靶匹配等.在这些算法的基础上,实现了一个完整的系统.通过实例证明了这套方法的正确性和有效性