《高等数学》 《大学物理》 《物理实验》 《物理化学》 《物理化学实验》 《化工原理》 《化工原理实验》 《电工电子技术》 《线性代数》 《原子物理与原子核物理》 《铀钚化学》 《分析化学》 《分析化学实验》 《核化学与放射化学》 《无机化学》 《无机化学实验》 《金工实训》 《电工电子实训》 《复变函数与积分变换》 《概率论与数理统计》 《画法几何与化工制图》 《核化工与核燃料工程专业导论》 《文献检索》 《核安全法规》 《核材料物理基础》 《核化工与核燃料工程专业毕业设计（论文）》 《核化工毕业实习》 《核化工认识实习》 《核化工生产实习》 《核化工专业实验》 《核燃料工艺学》 《核燃料后处理工程》 《同位素分离》 《铀化合物转化工艺学》 《铀水冶工艺学》 《放射性废物处理与处置》 《核化工专业英语》 《化工仪表及自动化》 《核技术应用概论》 《核化工与核燃料工程专业课程设计》 《仪器分析测试技术》

学科基础课平台必修课 《高等数学 A1》 《高等数学 A2》 《大学物理 A1》 《大学物理 A2》 《大学物理实验》 《C++程序设计》 《C++程序设计实验》 《C++程序设计实训》 《线性代数》 《概率论与数理统计 B》 《离散数学Ⅰ》 《计算机组成原理 I》 《数据结构 I》 《数据结构 I 实验》 《计算机网络原理Ⅰ》 《操作系统 I》 《操作系统Ⅰ》 《电工电子技术 C》 《复变函数与积分变换》 学科基础课平台选修课 《数字逻辑》 《Java 程序设计》 《Java 程序设计实验》 《管理信息系统》 《管理信息系统实训》 《数据库原理 A》 《编译原理》 《物联网工程导论》 《软件工程概论 A》 《汇编语言与接口技术》 《汇编语言与接口技术》考查大纲 《汇编语言与接口技术》实践 《算法分析与设计》 《数字通信原理》 专业课平台必修课 《网络信息安全》 《传感器技术及应用》 《短距离无线通信技术》 《RFID 技术》 《无线传感器网络》 《嵌入式系统设计》 《嵌入式 linux 应用程序开发》 《云计算技术》 《Linux 网络操作系统》 《模式识别与人工智能》

针对焊缝缺陷磁记忆检测中存在定量化反演难题,建立了基于改进的支持向量回归机定量反演模型.以预制不同尺寸未焊透和夹渣缺陷的Q235焊接试样为试验材料,进行磁记忆扫描检测发现:缺陷位置的磁记忆信号特征参数随尺寸变化而呈现一定的变化规律,但同时存在分散性和不确定性.鉴于磁记忆信号样本的有限性、分散性和非线性,首先将提取到的磁记忆特征参数进行归一化处理,引入支持向量回归机建立焊缝缺陷磁记忆定量反演模型,并进一步利用模拟退火算法对支持向量回归机参数进行优化,使目标函数达到全局最优而非局部最优.最后,考虑到由磁记忆信号逆向反推缺陷的三维尺寸,存在解的不确定性,为此在缺陷单维尺寸反演模型的基础上,通过构建多层结构的支持向量回归机进行多尺寸反演输出,建立了基于模拟退火支持向量回归机的焊缝缺陷磁记忆定量反演模型,结果表明:未焊透缺陷尺寸反演最大相对误差为7.96%,夹渣缺陷为4.97%,为焊缝缺陷的磁记忆反演与定量化评价提供一种新的思路

第一节微分方程的基本概念 (Basic concept of differential equations) 一问题的提出 二微分方程的定义 (Definition of differential equations) 三 主要问题——求方程的解 四 小结思考判断题 第二节可分离变量的微分方程 (Differential equations of the variables separated) 可分离变量的微分方程 二 典型例题 小结与思考题 第三节齐次方程 (Homogeneous equation) 一齐次方程 二可化为齐次的方程 三小结思考题 第四节一阶线性微分方程 (Linear differential equation of first order) 一线性方程 (Linear differential equation) 二伯努利方程 (Bernoulli differential equation) 小结 思考判断题 第五节全微分方程 (Total differential equation) -全微分方程及其求法 二积分因子法 小结与思考题 第六节可降阶的高阶微分方程 y(\=f(x,y,..,y(\-)型 二y\=f(x,y',.·,y(\-①)型 恰当导数方程 四齐次方程 五小节与思考题 第七节高阶线性微分方程 (Higher linear differential equation) 概念的引入 线性微分方程的解的结构 降阶法与常数变易法 四小结思考题 第八节常系数齐次线性微分方程 (Constant coefficient homogeneous linear differential equation) 一定义(Definition) 二二阶常系数齐次线性方程解法 三n阶常系数齐次线性方程解法 四小结与思考题 第九节常系数非齐次线性微分方程 (Constant coefficient non-homogeneous linear differential equation) 一f(x)=exPm(x)型 二f(x)=ex[P,(x)cos cax+P,(x)sin cax]型 三小结思考题

针对预控顶分段充填法在深部开采存在的预控顶巷道掘进工序繁杂、顶板易受爆破震动影响等缺点,本文提出垂直孔与水平孔协同回采的机械化分段充填采矿法(协同回采分段充填法).该方法通过改变顶板支护工序的顺序,将预控顶变为后压顶,能够有效地解决顶板围岩稳定性问题.进而对协同回采分段充填法进行优化研究:一方面,通过SURPAC到ANSYS的模型转换技术,进行采场稳定性数值分析,获得最佳的结构参数;另一方面,通过分区出矿分区支护的方式,解决两帮支护不到位和出矿效率低的问题.将该方法应用于新城金矿V#矿体开采,结果显示顶板岩移量显著减小,且各项经济技术指标均得到改善,实现了高应力条件下厚大矿体的安全高效开采

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

前几大,我与朋友~道去外地办事。因为时间紧张,我们就想 找ˉ家便捷、净的餐饴就餐。但面对-家挨一家的餐铊,我们倒 为吃饭的事发愁了。最后只好随便找了一家将就了事,还臼甓是 “不于不净,免得生病”。 吃饭时,朋夂聊道:“中国是一个美食大国,为什么就没有 个品牌快餐能让人放心、快速就餐呢?且不说在全球,哪怕就在全 国连锁也行啊!特别是在今天这样一个忙忙碌碌的时代。” 在全球科技迅猛发展的同时,经济模式及其内涵也在快速变 化,管理成为一个全球性的问题,特别是在中国。面村各种此起彼 伏的管理书和管理培训,有些风骚几年,们些县花一现,有些更是 滥竽充数,有的则把问题变得更复杂,有的甚至于不知在说什么

在废钢入炉熔炼前,利用电炉产生的高温废气进行废钢预热,节能效果明显.炉料连续预热式电炉过程实现废钢连续加料、连续预热及连续熔化,电弧加热熔池、熔池熔化废钢,与普通电炉有着很大的区别.为了实现高效节能、追求流程设备顺行及其指标优化,本文在研究炉料连续预热式电炉工艺特点的基础上,提出如下论点:应对电炉炉衬的砌筑、供电、吹氧去碳、造渣脱磷等予以重视;由于全程\平熔池期\,给电一开始电弧就加热钢水、就对渣线进行高温辐射,这就必须考虑保护渣线,因此,要求全程造泡沫渣进行埋弧操作;全程\平熔池期\及\变渣线\现象,要求渣线镁碳砖的砌筑要向下加厚(~300mm),增加抵御变渣线的能力;炉料连续预热式电炉变压器参数的确定,既要考虑电弧对废钢的熔化(电压要高些)、又要考虑电弧对平熔池的加热及保温的要求(电压要低些),供电上根据电弧的遮蔽状态(废钢或炉渣的遮蔽状态)确定电压的大小;为了最大限度节能及环保,必须采取余热再利用技术,二垩英新的公害值得重视与研究

周期性非均质复合材料具有微观结构特征，需要均匀化理论进行宏观和微观的多尺度分析来研究其性能表现。针对其耐久强度性能，应用塑性极限安定下限定理，特别分析了其在长期交变载荷下的安定状态。结合工程应用目标，提出一种全新的代表性单元边界条件，结合圆锥二次优化算法进行数值计算，可以从材料微结构和组分性能出发，经过弹性应力场求解确定位移边界载荷数值，最终由优化求解得到复合材料板材的面内塑性性能容许域。所求得的应力域以单向应力为基，可根据结构宏观的单向应力状态变化幅值直接进行安定状态与否的判定。通过文中的多个算例，验证了所编写的软件及计算流程的可行性及数值准确性，展示了该方法在工程模型中的应用场合和工程实践意义

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验