将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径

《专业实践》 《超密集无线组网》 《创新创业活动》 《多抽样率信号处理》 《多域感知与信息融合》 《分数域信号与信息处理及其应用》 《复杂系统与复杂网络》 《高等工程电磁场》 《高分辨率遥感图像理解》 《光纤宽带网络技术》 《行业前沿讲座》 《基于 FPGA 的通信系统设计》 《集成电路科学与工程》 《集成光电子芯片原理与应用》 《计算机视觉》 《近代光信息处理与应用》 《卡尔曼滤波及其在导航系统中的应用》 《空天地智能信息网络》 《空天信息通信技术》 《空天信息网络安全技术》 《雷达目标智能识别》 《雷达信号处理》 《绿色网络通信技术》 《模式识别与机器学习》 《嵌入式信息处理系统设计》 《人工智能导论》 《人工智能中的矩阵方法》 《认知无线电与认知网络》 《射频识别协议架构与安全认证》 《深度强化学习与信息处理》 《水中机器人实训》 《通信网理论与应用》 《通信系统软硬件协同设计》 《图像处理与图像理解》 《图像理解与识别》 《网络协议工程与算法》 《微波射频测量技术》 《微纳米信息系统与智能硬件》 《卫星通信智能抗干扰技术》 《文献阅读与学术写作》 《无线通信先进技术》 《无线通信原理与应用》 《现代数字通信》 《现代天线理论与技术》 《现代信号处理》 《信号检测与估计》 《信息论与编码理论》 《虚拟现实仿真系统实践》 《学科前沿讲座》 《遥感技术原理与应用》 《移动通信网络与系统》 《语义通信技术》 《智慧城市与物联网》 《智能网络协同计算实践》 《专业英语》 《最优化理论与方法》

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

《硅微机械传感器》 《科研方法论》 《嵌入式系统设计》 《有限元方法及应用》 《专业英语》 《FPGA 设计及应用》 《半导体器件物理》 《电子技术基础及应用》 《固体物理学》 《集成电路 EDA》 《集成电路设计及应用》 《检测技术与系统设计》 《纳米材料与器件》 《声学基础》 《微电子工艺原理与仿真》 《文献阅读与学术写作》 《现代数字信号处理》 《移动互联网应用及开发》 《薄膜材料及技术》 《VLSI 数字集成电路基础》 《半导体光电子学》 《材料表征与检测》 《电子功能材料与元器件》 《集成电路版图设计》 《拉曼光谱学》 《微波器件与电路》 《半导体器件建模与仿真实训》 《传感器设计实训》 《高等模拟集成电路分析与设计》 《工程项目及创新实践》 《集成电路工程设计实训》 《数模混合信号集成电路设计实训》 《微电子器件》 《压电学》 《智能传感器系统设计》 《MEMS 传感器》 《传感器技术及应用》 《水声换能器及阵列技术》 《代数学》 《多元统计分析》 《泛函分析》 《非参数统计》 《高等概率论》 《高等数理统计学》 《孤子与可积系统》 《矩阵理论及其应用》 《科学计算》 《偏微分方程》 《人工智能理论》 《数值逼近》 《数值代数》 《算法分析与程序设计》 《微分方程数值解》 《微分几何》 《现代密码学》 《现代统计计算方法》 《最优化理论与方法》 《高等工程数学》

《硅微机械传感器》 《科研方法论》 《嵌入式系统设计》 《有限元方法及应用》 《专业英语》 《FPGA 设计及应用》 《半导体器件物理》 《电子技术基础及应用》 《固体物理学》 《集成电路 EDA》 《集成电路设计及应用》 《检测技术与系统设计》 《纳米材料与器件》 《声学基础》 《微电子工艺原理与仿真》 《文献阅读与学术写作》 《现代数字信号处理》 《移动互联网应用及开发》 《薄膜材料及技术》 《VLSI 数字集成电路基础》 《半导体光电子学》 《材料表征与检测》 《电子功能材料与元器件》 《集成电路版图设计》 《拉曼光谱学》 《微波器件与电路》 《半导体器件建模与仿真实训》 《传感器设计实训》 《高等模拟集成电路分析与设计》 《工程项目及创新实践》 《集成电路工程设计实训》 《数模混合信号集成电路设计实训》 《微电子器件》 《压电学》 《智能传感器系统设计》 《MEMS 传感器》 《传感器技术及应用》 《水声换能器及阵列技术》 《代数学》 《多元统计分析》 《泛函分析》 《非参数统计》 《高等概率论》 《高等数理统计学》 《孤子与可积系统》 《矩阵理论及其应用》 《科学计算》 《偏微分方程》 《人工智能理论》 《数值逼近》 《数值代数》 《算法分析与程序设计》 《微分方程数值解》 《微分几何》 《现代密码学》 《现代统计计算方法》 《最优化理论与方法》 《高等工程数学 A》 《高等工程数学 B》

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

《专业导论》课程教学大纲. 1 《C 语言程序设计》课程教学大纲. 8 《离散数学》课程教学大纲. 18 《数字电子技术》课程教学大纲.31 《面向对象程序设计》课程教学大纲.38 《数据结构》课程教学大纲. 46 《数字通信》课程教学大纲. 55 《计算机组成与结构》课程教学大纲.61 《计算机网络原理》课程教学大纲.70 《路由与交换技术》课程教学大纲.83 《计算机网络安全》课程教学大纲.91 《网络工程与网络管理》课程教学大纲.100 《Web 开发技术》课程教学大纲.109 《现代操作系统》课程教学大纲. 118 《数据库系统原理》课程教学大纲.128 《软件工程》课程教学大纲.141 《算法设计与分析》课程教学大纲.154 《计算机英语》课程教学大纲.164 《学科前沿》课程教学大纲.171 《Linux 系统与编程》课程教学大纲. 179 《云计算与虚拟化技术》课程教学大纲.187 《工程伦理》课程教学大纲.196 《汇编语言程序设计》课程教学大纲.205 《互联网协议分析与设计》课程教学大纲.213 《Python 程序设计》课程教学大纲.222 《高性能框架》课程教学大纲.231 《计算机接口技术与应用》课程教学大纲.239 《网络攻击与防御》课程教学大纲.246 《计算机网络编程》课程教学大纲.253 《人工智能导论》课程教学大纲.260 《智能算法及应用》课程教学大纲.269 《移动应用开发技术》课程教学大纲.276 《Web 前端开发技术》课程教学大纲.288 《嵌入式系统设计》课程教学大纲.303 《网络性能测试与分析》课程教学大纲.312 《软件定义网络原理与应用》课程教学大纲.320 《机器学习》课程教学大纲.328 《大数据技术原理与应用》课程教学大纲.338 《数字媒体技术》课程教学大纲.348 《并行分布式计算》课程教学大纲.356 《IT 项目管理》课程教学大纲. 366