这章的习题可以分为两种类型:一类是用 Verilog hDl语言描述一个逻辑 电路;另一类是根据 Verilog HDl谙言的描述画出相应的逻辑电路图 用 Verilog HDL语言描述一个逻辑电路 解题方法和步骤:

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

轧件发生局部变形是楔横轧的主要工艺特征，尤其小断面收缩率轧件轴向流动能力弱，内外变形差异显著导致楔横轧成形困难.除了容易产生心部破坏缺陷，在轧件表层一定范围内出现的螺旋组织缺陷，也会降低产品的机械性能.本文通过轧制实验，展示出轧件螺旋组织缺陷宏观上呈现为车削后在表层一定深度范围内沿展宽螺旋线分布的亮带，微观上由轧件表面折叠向内部延伸呈带状分布的组织形态.结合有限元数值模拟方法研究了缺陷产生的主要原因，发现由于成形区的金属发生沿展宽负向的金属流动，导致轧件形成沿展宽螺旋线分布的表面折叠和小轴向应变带.同时，螺旋带附近较大的径向压缩使轧件由表面向内部沿折叠裂纹方向组织具有方向性.采用对模具楔尖倒圆角局部改善金属沿负展宽方向的轴向流动，可以既消除表层螺旋组织缺陷，又避免轧件心部损伤风险，使成形质量满足使用要求.经实验验证，确定了模具楔尖圆角的最优取值

10.1 二端口网络的一般概念 10.2 二端口网络的基本方程和参数 10.3 二端口网络的输入阻抗、输出阻抗和传输函数 10.4 线性二端口网络的等效电路 10.5 二端口网络的特性阻抗和传输常数 10.6 二端口网络应用简介

一 点态收敛 二 函数项级数（或函数序列）的基本问题 三 函数项级数（或函数列）的一致收敛性 四 一致收敛性判别 五 小结

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径

对含磷高强IF钢中MnS夹杂物控制进行了分析。通过对含磷高强IF钢中添加稀土进行对比试验，借助扫描电镜等设备对铸坯1/8、1/2、7/8厚度方向的试样以及热轧、冷轧、连退工序的带钢试样进行了夹杂物统计及二维形貌的观测对比，并对铸坯试样中小样电解的夹杂物及轧制各工序试样中原貌提取的夹杂物进行三维形貌的观测对比。结果表明：铸坯中心MnS夹杂物数量分布明显大于铸坯近表面，稀土的加入，先与钢中S相结合，并在凝固过程中较MnS提前析出，生成了小尺寸的球状夹杂物，可明显降低铸坯各位置MnS夹杂物的尺寸及数量；未加稀土钢在带钢轧制各工序中MnS夹杂物尺寸为10 μm左右，且具有遗传性，在轧制过程中压延变长，但没有碎化弥散。加入稀土后形成了S–O–Ce类夹杂物，形态呈球形，尺寸为2～5 μm，且独立弥散分布，不会对带钢组织连续性造成影响，有利于产品各相关性能

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析

前面两 节已为 检验单 位根做了理论准备。 下面我们讨论 Dickey— Fuller 建 立的单位根检验法。 任何一个序列 都有其 自身的真实生成过程。 Dickey—Fuller 假设 数据序列是由 下列两 种模型 之一产生：

以茄子为原材料，通过水热处理–后续热解法及直接热解法分别制备出两种不同的茄子衍生多孔碳材料（HBPC和BPC）。以茄子衍生多孔碳材料为载体，采用真空浸渍法负载相变芯材聚乙二醇（PEG2000），制备出聚乙二醇/茄子衍生多孔碳材料复合相变材料。通过扫描电镜、拉曼光谱、压汞法、傅里叶变换红外光谱分析、X射线衍射仪、热重分析仪和差示扫描量热仪对其进行结构表征及性能测试。结果表明，通过直接热解法制得的茄子衍生多孔碳材料为载体的聚乙二醇/茄子衍生多孔碳材料复合相变材料具有更好的相变储热效果，负载聚乙二醇的质量分数高达90.60%，熔融潜热为133.98 J·g?1，达到了较好的定形相变效果及良好的循环稳定性