重要的专业基础课，是计量经济学、抽样调查、市场调查、多元统计、统计预测与决策、时间序列分析、国民经济核算、数据处理与数据分析等专业主干课的学习基础

指将每天股票价格或 股市指数的开盘价、最高价、最低价和收盘价 的变动情况记录下来,然后按照一定的方法绘 成图形,投资者根据形态分析股票或股市的变 迁与变化的态势、前后关系等,从而决定是否 进行投资决策的一种常见的技术分析方法

主从式机械手的研制开始于 20 世纪 40 年代，当时主从式机械手应用于放射性材料处理中。它为机 器人的诞生打下了基础。随着科学技术的发展以及各种控制理论和信息理论的兴起，主从式机械手也得 到了长足的发展。60 年以来以示教再现式控制为主要特征，用示教盒、遥控手柄和手把手示教的主从 式机械手仍然是应用最广的工业机器人。 该作品为主从式遥控机械手，通过无线电技术可以实现主机械手与从机械手远距离的通讯，通过单 片机作为主控 cpu 分析信号做出决策，最终由电机执行决策实现“示教再现”的控制效果

第7章 渠道冲突与合作管理 学习目标：理解和应用下列概念及理论 – 渠道冲突的基本概念和类型； – 渠道冲突的原因； – 解决渠道冲突的策略和方法； – 渠道窜货及其解决对策； – 渠道战略联盟的基本概念、条件和形式。 第8章 渠道管理中的营销组合问题 学习目标：理解和应用下列概念及理论 – 各类产品决策对渠道管理的影响与两者关系； – 定价有关决策对渠道管理的影响与两者之间的关系； – 促销策略对渠道管理的影响与两者之间的关系

第一章 管理活动与管理者概述 第一章 管理活动与管理者概述 第二章 管理道德与社会责任 第二章 管理道德与社会责任 第三章 信息与信息化管理 第三章 信息与信息化管理 第四章 企业管理与环境 第四章 企业管理与环境 第五章 企业管决策 第五章 企业管决策 第六章 企业计划管理 第六章 企业计划管理 第七章 组织与组织设计 第七章 组织与组织设计 第八章 领导职能 第八章 领导职能 第九章 激励理论 第九章 激励理论 第十章 人力资源管理 第十章 人力资源管理 第十一章 生产控制管理 第十一章 生产控制管理 第十二章 营销管理 第十二章 营销管理 第十三章 现代物流管理 第十三章 现代物流管理 第十四章 企业财务管理 第十四章 企业财务管理

“Z 理论”是研究人与企业、人与工作之间关系的理论， 是由 日裔美国管理学者威廉·大内经过调查比较日美两国管理的经验 后提出的。大内把由领导者个人决策、员工处于被动服从地位的 企业称为 A 型组织。这种组织对员工实行短期雇佣和快速提拔， 要求员工专职专能，不利于诱发员工的聪明才智和创造精神，易 于造成决策失误。他把日本的企业组织叫做 J 型组织。他认为美 国的企业必须学习日本的企业而实行革新，建立民主的组织，即 Z 型组织。这种组织的特点是:

一、学科平台课程 1《管理学 A》 2《会计学 A》 3《财务管理 A》 4《市场营销学》 5《微观经济学》 6《宏观经济学》 7《经济法》 8《统计学》 9《管理信息系统》 二、专业课程 1《管理数据分析》 2《管理沟通》 3《运筹学》 4《组织行为学》 5《工商导论》 6《运营管理》 7《人力资源管理》 8《战略管理》 9《质量管理》 10《技术经济学》 11《公司治理》 12《物流与供应链管理》 三、个性化发展课程 1《创业学》 2《企业经营实训》 3《工商管理学科前沿专题》 4《预测与决策》 5《证券投资学》 6《ERP 实务》 7《项目管理》 8《国际商法》 9《商务英语（管理类）》 10《大数据与商务智能》 11《电子商务》 12《培训与人力资源开发》 13《人力资源战略与规划》 14《国际企业管理》 15《数据化运营》 16《国际贸易实务》 17《企业伦理学》 18《风险管理》 19《绩效管理》 20《公司法》 21《劳动法》 22《企业管理决策模拟》 23《人力资源管理仿真模拟》 24《领导学》 25《技术创新管理》 四、实践环节 1《认识实习》 2《社会调查》 3《业务实习》 4《学年论文》 5《毕业实习》 6《毕业论文》

第一部分 消费者行为基础 第1章 导论 第2章 消费者研究 第二部分 个体因素与消费者行为 第3章 消费者的感知 第4章消费者的动机 第5章 消费者的情绪 第6章 消费者的学习 第7章 消费者的态度 第8章消费者的个性、自我与生活方式 第三部分 环境因素与消费者行为 第9章 影响消费者行为的社会环境因素 第10章 影响消费者行为的文化与经济因素 第11章 影响消费者行为的情境因素 第四部分 消费者决策与消费者行为 第12章消费者的购买决策过程 第13章 网络与服务市场中的消费者行为

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段