第一章 概述 本章主要内容： ◼ 工程项目 ◼ 工程项目管理 ◼ 工程项目管理的历史发展 第二章 工程项目的前期策划 内容提要： 第一节 工程项目的前期策划工作 第二节 工程项目的构思 第三节 工程项目的目标设计 第四节 工程项目的定义（自学） 第五节 工程项目的可行性研究 第三章 工程项目的系统分析 第四章 项目组织 主要内容： 第一节 概述 第二节 工程项目的组织形式 第三节工程项目管理组织 第五章 工程项目计划 第一节 工程项目计划系统 第二节 横道图 第三节 网络计划—双代号网络 第四节 网络计划—单代号搭接网络 第五节 工程项目成本计划和成本模型 第六节 工程项目资源计划和优化 第六章 工程项目实施控制 第一节 工程项目实施控制系统 第二节 工程项目进度控制 第三节 工程项目成本控制 第四节 工程项目质量控制 第五节 工程项目全面风险管理 第七章 工程项目沟通 第一节 概述 第二节 项目中几种重要的沟通 第三节 沟通方式 第八章 信息管理 第一节 概述 第二节 工程项目报告系统 第三节 工程项目管理信息系统 第四节 工程项目文档管理 第五节 计算机在项目管理中的应用

网络对许多用户犹如一个巨大的迷宫。编写注册底稿和菜单设计的目的就是为用户建 立一个良好的工作环境——换言之,将一个也许对网络结构一无所知的用户自动带入合适 的“工作岗位”,使他一入网就可以像在单机上完成各种工作,而不需要花费时间去学习网 络使用知识或了解网络本身的结构

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

一、 Novell网概述 1.Novell公司成立于1973年的美国专业网络公司,主要产品:a.网络操作系统 NetWare(市场占有率60%以上) b.网络服务器、网卡等硬件

6.1 域名系统 DNS 6.1.1 域名系统概述 6.1.2 因特网的域名结构 6.1.3 域名服务器 6.2 文件传送协议 6.2.1 FTP 概述 6.2.2 FTP 的基本工作原理 6.2.3 简单文件传送协议 TFTP 6.3 远程终端协议 TELNET 6.4 万维网 WWW 6.4.1 概述 6.4.2 统一资源定位符 URL 6.4.3 超文本传送协议 HTTP 6.4.4 万维网的文档 6.4.5 万维网的信息检索系统 6,4.6 博客、微博和轻博 6.5 电子邮件 6.5.1 电子邮件概述 6.5.2 简单邮件传送协议 SMTP 6.5.3 电子邮件的信息格式 6.5.4 邮件读取协议 POP3 和 IMAP 6.5.5 基于万维网的电子邮件 6.5.6 通用因特网邮件扩充 MIME 6.6 动态主机配置协议 DHCP 6.7 简单网络管理协议 SNMP 6.7.1 网络管理的基本概念 6.7.2 管理信息结构 SMI 6.7.3 管理信息库 MIB 6.7.4 SNMP 的协议数据单元和报文 6.8 应用进程跨越网络的通信 6.8.1 系统调用和应用编程接口 6.8.2 几种常用的系统调用

了解广域网的概念及网络层的基本功能 掌握广域网提供的两种类型的服务：数据报（Datagram）和虚电路（Virtual Circuit） 掌握路由选择机制、路由选择算法 了解拥塞控制原理及拥塞控制策略

§6.1 概述 §6.2 N端口网络的阻抗和导纳矩阵 §6.3 N端口微波网络的散射矩阵 §6.4 二端口网络的转移矩阵和传输矩阵

§6.1 概述 §6.2 N端口网络的阻抗和导纳矩阵 §6.3 N端口微波网络的散射矩阵 §6.4 二端口网络的转移矩阵和传输矩阵

基于人工神经网络( Artificial Neural Network)的控制(ann-based Control)简称神经控制(Neural Control)。神经网络是由大量人工神经元(处理单元)按照一定的拓扑结构相互连接而成的一种具有并行计 算能力的网络系统。它是在现代神经生物学和认识科学对人类信息处理研究的基础上提出来的,具有很强 的自适应和学习能力、非线性映射能力、鲁棒性和容错能力