深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

学习本章应深入理解正弦量的相量表示、三种基本元件的相量模型；理解阻抗、导纳的概念；初步理解利用阻抗、导纳来分析简单交流电路的方法；结合仿真理解无功功率、有功功率、谐振、功率因素等交流电路基础概念

◼ 13.1 从数据库到数据仓库 ◼ 13.2 数据仓库的结构 ◼ 13.3 数据仓库的设计 ◼ 13.4 OLAP与数据仓库 ◼ 13.5 数据挖掘（data mining，DM） ◼ 13.6 决策支持系统与数据仓库 ◼ 13.7 SQL Server 2000的数据仓库 ◼ 13.8 小结 ◼ 13.9 习题

• 电子商务安全隐患 • 电子商务安全体系 • 电子商务安全技术 • 数字证书及其应用 • 电子商务安全法律与制度

• 电子商务安全隐患 • 电子商务安全体系 • 电子商务安全技术 • 数字证书及其应用 • 电子商务安全法律与制度容

15.1 概述 15.2 数据挖掘和数据中心库 15.3 数据仓库的支持工具 15.4 数据仓库的实现步骤 15.5 数据的粒度、分割和元数据 15.6 本章小结

主要内容 12.1概述 12.2查询处理的代价模型 12.3单个关系运算的代价估计 12.4表达式运算的代价估计 12.5 Microsoft SQL Server系统的查询处理器 12.6本章小结

上一章讨论的局域网是单个的同种协议网,即网络中每台机器对应层所用协议相同,通信 是在同一个网络内不同主机之间进行的。而所谓“网络互连”,就是采用各种网络互连设备将 同一类型的网络或不同类型的网络相互连接起来,形成所谓“ internet“(互连网络),使一个 网络上的主机能与另一网络上的主机相互通信。因特网( Internet)是世界上最大的 internet 此外,为了保证网络的传输性能

学习要点 1、数据需求和功能需求 2、逻辑设计和物理设计 3、总体设计、用户界面设计 4、设计与编码、数据装载

本章学习目标 本章主要讲述了系统设计中的常见术语与符号、系统 设计等级、设计原则与步骤,并对各子统的构成及设计原则 与注意事项进行了较为详尽的说明。应掌握以下基本知识: