第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 深度学习 第八节 支持向量机 第九节 MATLAB的应用实例

１绪论 ２阴阳五行 ３气血津液 ４藏象 ５经络 ６病因 ７病机 ８养生治则

• 了解流行性腮腺炎的病因病机 • 掌握流行性腮腺炎的诊断要点与合并症 • 掌握流行性腮腺炎的治疗原则 • 掌握流行性腮腺炎的辩证论治

了解肺炎喘嗽的病因病机 掌握肺炎喘嗽的治疗原则 掌握肺炎喘嗽常证和变证的辨证论治 了解支气管肺炎的临床表现 了解肺炎合并心衰的临床表现和治疗 了解小儿肺炎的分类 了解肺炎支原体肺炎的临床表现

• 基本知识 – 人−机−物三元世界、云计算、未来网、物联网、泛在网、图灵机计算模型、网域计算模型 • 交互计算 – 经典计算与交互计算、交互的特点、交互的机器模型、能描述交互的演算 • 从归纳到余归纳 – 良基集、非良基集、余归纳、互模拟 • 从代数到余代数 – 笛卡尔积, 可区分并, 余代数, 代数和余代数的区别

$7.0 什么是机器学习 $7.1 相关关系和相关系数(correlation and correlation coefficient) $7.2 相关系数的显著性检验 $7.3 线性回归和非线性回归 $7.4 一元线性回归线的置信区间 $7.5 多元二项式回归的Matalab实现 $7.6 回归方程的拟合检验 $7.7 Logistic Regression (Intuition) $7.8 Support Vector Machines (支持向量机) $7.9 Training, Validation, and Test

6.1 同步电机的基本结构和运行状态 6.2 空载和负载时同步发电机的磁场 6.3 隐极同步发电机的电压方程、相量图和等效电路 6.4 凸极同步发电机的电压方程和相量图 6.5 同步发电机的功率方程和转矩方程 6.6 同步电机参数的测定 6.7 同步发电机的运行特性 6.8 同步发电机与电网的并联运行 6.9 同步电动机与同步补偿机

第一节 灵枢·百病始生篇第六十六 第二节 素问•生气通天论篇第三 第五节 素问•举痛论三十九篇 第六节 素问·调经论第六十二 第七节 素问·至真要大论

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机