数量经济学科是一门实践性很强的学科,要求学生具有将经济学知识、计量经济学方法 和计算机应用相结合的综合素质。目前的计量经济学课程注重理论方法的介绍,但是对如何 从经济问题出发建立模型、如何应用模型分析实际的经济问题,却讨论的较少。在计量经济 学教学中,软件的使用仍然是薄弱的环节,学生学习了不少估计和检验的方法,却不知道怎 样应用,对计算的结果也不能做出合理的解释缺乏运用计量模型分析和解决经济问题的实 际能力

机电系统计算机仿真是目前对复杂机电系统进行分析的重要手段与方法。在进 行机电系统分析综合与设计工作过程中,除了需要进行理论分析外,还要对系统的 特性进行实验研究。系统性能指标与参数是否达到预期的要求?它的经济性能如 何?这些都需要在系统设计中给出明确的结论。对于那些在实际调试过程中存在很 大风险或实验费用昂贵的系统,一般不允许对设计好的系统直接进行实验,然而没 有经过实验研究是不能将设计好的系统直接放到生产实际中去的,因此就必须对其 进行模拟实验研究

对于从事计算机科学工作的人们来说，集合论是必不可少的基础知识。例如程序设计语言、数据结构、形式语言等都离不开子集、幂集、集合的分类等概念。集合成员表和范式在逻辑设计、定理证明中也都有重要应用。本部分从集合的直观概念出发，介绍了集合论中的一些基本概念和基本理论。集合论是研究集合的一般性质的数学分支，它研究集合不依赖于组成它的事物的特性的性质。集合论总结出由各种对象构成的集合的共同性质，并用统一的方法来处理。集合论的特点是研究对象的广泛性，集合是各种不同对象的抽象，这些对象可以是数或图形，也可以使任意其它事务

泵送剂能有效改善膏体料浆流动性能,然而其对膏体料浆凝结性能的影响机理尚未明确.针对这一问题,本文进行泵送剂的抗压强度试验和环境扫描电镜观察.强度试验结果表明:泵送剂可有效改善膏体料浆凝结性能,泵送剂掺量越高不同龄期的膏体凝结性越好.环境扫描电镜观察结果表明:泵送剂添加后,大尺寸絮团减少,料浆内孔隙减少,改变了膏体微观结构.基于应用计算机图像处理技术和分形理论,计算膏体微观结构计盒维数,量化分析膏体微观结构.最终对泵送剂改善膏体凝结性能的机理进行分析,认为泵送剂通过改变絮团大小和数量、孔隙率、水化反应等方面影响膏体凝结性能

图像分割是计算机视觉领域中的重要分支，旨在将图像分成若干个特定的、具有独特性质的区域。随着计算机硬件计算能力的提高和计算方法的进步，大量基于不同理论的图像分割算法获得了长足的发展。因而选择合适的评估方法对分割结果的准确性和适用性进行综合评估，从而选择最优分割算法，成为图像分割研究中的必要环节。在综述14种图像分割评估指标的基础上，将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法和基于实例的评估方法五大类。在材料显微图像分析的应用背景下，通过实验讨论了不同分割方法和不同典型噪声在不同评估方法中的表现。最终，讨论了各种评估方法的优势和适用性

第一章 计算机支持的协同工作概论 第一节 计算机技术推动社会信息化 第二节 电子政务 第三节 电子商务 第二章 信息时代的档案工作 第一节 高新的信息记录技术 第二节 档案管理的变革 第三节 信息时代的档案学 第三章 电子档案的形成机制 第一节 相关术语 第二节 电子文件特性 第三节 电子邮件的档案功能 第四节 电子文件保管系统与电子档案管理 第四章 电子档案管理模式 第一节 电子档案管理的理论基础 第二节 电子档案形成机构的管理模式 第三节 传统档案馆的电子档案管理模式 第五章 电子档案管理规范 第一节 电子档案的存储和保管 第二节 电子档案的利用和销毁 第三节 管理电子档案的设备与技术 第六章 电子档案全文检索工具 第一节 EAD概述 第二节 EAD属性 第三节 EAD元素 第四节 EAD范例 第七章 数字档案馆系统工程 第一节 网络环境下档案馆功能实现方式 第二节 数字档案馆概述 第三节 数字档案馆解决方案 第四节 档案信息化发展战略

基本要求：理解逻辑代数的基本逻辑运算，懂得在数字电子技术中数学运算是用逻辑运算实现的；掌握逻辑运算规则、逻辑函数的表示、逻辑函数的标准表达式、卡诺图化简等基本理论；懂得从电子技术角度，逻辑运算通过电路实现；初步理解逻辑门电路的基础概念及其接口特性；掌握利用逻辑代数知识分析组合逻辑电路的一般过程及其方法；了解用逻辑门电路设计组合逻辑电路的一般过程；掌握译码器、编码器、数据选择器等常用中规模组合逻辑电路芯片的逻辑功能及其特点；掌握利用译码器、数据选择器实现组合逻辑电路的一般过程及其应用方法

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

研究了含有大范围参数不确定性离散时间被控对象的加权多模型自适应控制问题(包括模型集构建和加权算法分析).通过构建含有自校正模型和多个固定模型的模型集覆盖并逼近被控对象,在模型输出误差可分的前提下,采用基于模型输出误差性能指标的加权算法,并依据固定模型中是否包含真实被控对象模型的不同情形分析加权算法的收敛性.在权值收敛的前提下,利用虚拟等价系统理论,分析了参数未知线性时不变和参数跳变的情形,在不依赖于特定局部控制算法的基础上,证明了此种模型集构建下的加权多模型自适应控制系统的稳定性和收敛性,放宽了先期加权多模型自适应控制系统稳定性分析中关于模型集构建的约束条件.最终,通过计算机MATLAB仿真,验证了此类加权多模型自适应控制系统的收敛性和闭环稳定性