《电子技术基础》课程教学大纲 《计算机网络原理》课程教学大纲 《数据仓库与数据挖掘》课程教学大纲 《数据库系统原理》课程教学大纲 《人工智能导论》课程教学大纲 《物联网专业英语》课程教学大纲 《数据结构》课程教学大纲 《物联网工程导论》课程教学大纲 《无线传感器网络及 RFID 技术》课程教学大纲 《通信技术基础》课程教学大纲 《物联网安全技术》课程教学大纲 《物联网工程技术》课程教学大纲 《物联网工程设计与实施》课程教学大纲 《物联网软件工程》课程教学大纲 《移动应用开发技术》课程教学大纲 《程序设计语言 C》课程教学大纲 《计算机组成原理》课程教学大纲 《微机原理与接口技术》课程教学大纲 《面向对象程序设计 JAVA》课程教学大纲 《Web 开发技术》课程教学大纲 《单片机与嵌入式系统设计》课程教学大纲 《离散数学》课程教学大纲 《传感器与检测技术》课程教学大纲 《物联网通信技术》课程教学大纲 《操作系统原理》课程教学大纲 《无线传感网技术》课程教学大纲 《信息工程管理》课程教学大纲 《项目管理教程》课程教学大纲 《无线通信技术》课程教学大纲 《科技文献检索》课程教学大纲

《毕业设计》课程教学大纲 《单片机原理及应用》课程教学大纲 《单片机原理及应用课程设计》课程教学大纲 《辐射测温学》课程教学大纲 《光电测试技术》课程教学大纲 《光电仪器设计》课程教学大纲 《光机电一体化设计与设备》课程教学大纲 《光谱技术与仪器》课程教学大纲 《光纤通讯技术》课程教学大纲 《光学加工与检测技术》课程教学大纲 《光学系统设计》课程教学大纲 《红外与微光技术》课程教学大纲 《激光原理与技术》课程教学大纲 《精密测控电路与驱动技术》课程教学大纲 《企业专家讲座》课程教学大纲 《生产实习》课程教学大纲 《视觉检测技术》（双语）课程教学大纲 《数字图像处理》课程教学大纲 《数字信号处理》（双语）课程教学大纲 《微光机电系统概论》（双语）课程教学大纲 《物理光学》课程教学大纲 《误差理论与不确定度分析》课程教学大纲 《显示技术》课程教学大纲 《信号与系统Ⅱ》课程教学大纲 《信息光学》课程教学大纲 《应用光学》课程教学大纲 《专业导论课》课程教学大纲 《专业综合实践》课程教学大纲

采用金相显微镜、X射线衍射、扫描电镜和结合能谱仪研究了Sn对镁阳极材料显微组织、相结构、表面形貌及成分分布的影响;并通过恒电流法、动电位极化法和排水集气法等研究了该镁合金的腐蚀行为和电化学性能.结果表明:合金元素Sn的加入可以抑制棒状β-Mg17Al12相沿晶界析出,随着Sn含量的增大,颗粒相Mg2Sn增多;均匀化处理使大部分β-Mg17Al12相溶解,而残留Mg2Sn未溶相.Sn的加入可以提高镁合金自腐蚀电位和析氢率,当Sn质量分数为1%时镁合金阳极的放电电压和电流效率最大.析氢率随电流密度的增大而增大,当电流密度为20mA·cm-2时电流效率最高,可达82.28%.腐蚀产物主要成分为MgO和Al2O3,且疏松,易脱落,使镁合金阳极的工作电位负而且稳定,可促进电池反应深入进行

脏腑定位，即明确病变所在的脏腑，是中医脏腑辨证的重要阶段。本文旨在通过神经网络模型搭建中医脏腑定位模型，输入症状文本信息，输出对应的病变脏腑标签，为实现中医辅助诊疗的脏腑辨证提供支持。将中医的脏腑定位问题建模为自然语言处理中的多标签文本分类问题，基于中医的医案数据，提出一种基于预训练模型ALBERT和双向门控循环单元（Bi-GRU）的脏腑定位模型。对比实验和消融实验的结果表明，本文提出的方法在中医脏腑定位的问题上相比于多层感知机模型、决策树模型具有更高的准确性，与Word2Vec文本表示方法相比，本文使用的ALBERT预训练模型的文本表示方法有效提升了模型的准确率。在模型参数上，ALBERT预训练模型相比BERT模型降低了模型参数量，有效减小了模型大小。最终，本文提出的脏腑定位模型在测试集上F1值达到了0.8013

1建筑风水学概述 1.1什么是建筑风水学? 历史上最先给风水下定义的是晋代的郭璞,他在《葬书》中说:葬者,生气也。气乘 风则散,界水则止。古人聚之使不散,行之使有止,故谓之风水。清人范宜宾为《葬书》 作注云:\无水则风到而气散,有水则气止而风无,故风水二字为地学之最,而其中以得水 之地为上等,以藏风之地为次等。”这就是说,风水是古代的一门有关生气的术数,只有在 避风聚水的情况下,才能得到生气。 什么是生气呢?《吕氏春秋-季春》云:生气方盛,阳气发泄。”生气是万物生长发育 之气,是能够焕发生命力的元素

第一节 灰色系统的概念与基本原理 一、灰色系统理论产生和发展动态 二、几种不确定方法的比较 三、灰色系统理论的基本概念 四、灰色系统理论的基本原理 五、灰色系统理论的主要内容及特点 六、灰数 第二节 序列算子与灰色序列生成 一、冲击扰动系统与序列算子 二、缓冲算子公理 三、实用缓冲算子的构造 四、均值生成算子 五、序列的光滑性 六、级比生成算子 七、累计生成算子与累减生成算子 八、灰指数律 第三节 灰色关联分析 一、灰色关联因素和关联算子集 二、灰色关联公理与灰色关联度 三、灰色关联分析的应用举例 四、广义灰色关联度 五、灰色相对关联度 六、灰色综合关联度 第四节 灰色系统模型 一、GM(1,1)模型 二、残差 GM(1,1)模型 三、灰色系统模型的检验 四、应用举例 第五节 灰色系统预测 一、灰色预测概述 二、数列预测 三、古树屋边坡变形预测

第一章 实数集与函数 第二章 数列极限 第三章 函数极限 第四章 函数的连续性 第五章 导数和微分 第六章 微分中值定理及其应用 第七章 实数的完备性 第八章 不定积分 第九章 定积分 第十章 定积分的应用 第十一章 反常积分 第十二章 数项级数 第十三章 函数列与函数项级数 第十四章 幂级数 第十五章 傅里叶级数 第十六章 多元函数的极限与连续 第十七章 多元函数微分学 第十八章 隐函数定理及其应用 第十九章 含参量积分 第二十章 曲线积分 第二十一章 重积分 第二十二章 曲面积分 第二十三章 流形上微积分学初阶

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

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心，面向油气行业生产需求，构建集勘探、开发、生产数据于一体的油气数据资源池，通过数据清洗与融合提升数据质量，整合物理模拟与数据挖掘等手段，实现服务功能模块化，并在PC端、管控大屏、手机移动APP等多维平台实现智能监测、预警与展示。通过对深度学习等人工智能方法在油气工业领域的应用案例分析，表明其具有较好的应用前景。未来石油公司应与科研院所通力合作，挖掘石油工业数据的巨大潜能，实现降本增效，建设全新的智能油气工业生态圈，完成产业升级