本书结合教育信息化发展的现实需求，目标定位于培养与提升教师的信息化教学素养和教学能力。内容包括信息化教学环境和资源、信息化教学过程和策略、信息化教学设计与方法、信息化教学模式与实践、信息化教学评价与应用，常用信息加工工具的使用等。为便于读者学习，书中各章节除正文外，还标明了相关的学习目标、学习导图、内容要点、学习提示、活动建议以及与主题活动相关的资源和案例等。 本书适合高等师范院校现代教育技术公共课程教学与对中小学教师开展信息化教学培训使用，也适于广大一线教师和其他教育工作者学习参考。
CATIA V5的电子样机功能由专门的模块完成，从产品的造型、上下关联的并行设计环境、产品的功能分析、产品浏览和干涉检查、信息交流、产品可维护性分析、产品易用性分析、支持虚拟实现技术的实时仿真、多CAX支持到产品结构管理等各方面提供了完整的电子样机功能，能够完成与物理样机同样的分析和模拟功能，从而减少制作物理样机的费用，并能进行更多的设计方案验证。 本书围绕着CATIA V5电子样机的功能，详细介绍电子样机浏览器模块和电子样机空间分析、运动分析、优化分析以及装配分析模块功能的使用方法。从熟悉基本使用环境开始，采用循序渐进的方式，结合实例对cATIA的电子样机进行系统的阐述。 本书是“CATIA V5实践应用系列丛书”之一，可作为各类本专科院校机械设计制造专业的辅导教材，以及设计人员和三维CAD爱好者的自学教材。
本书是“MATLAB应用技术”系列丛书之一，以推出的MATLAB 7中的神经网络工具箱4.0.3版本为基础。本书前两章介绍了MATLAB 7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。 本书可作为理工科各专业的高年级本科生、研究生学习神经网络的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。
本书是“MATLAB应用技术”系列丛书之一，以推出的MATLAB 7中的神经网络工具箱4.0.3版本为基础。本书前两章介绍了MATLAB 7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。 本书可作为理工科各专业的高年级本科生、研究生学习神经网络的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。
本书是“MATLAB应用技术”系列丛书之一，以推出的MATLAB 7中的神经网络工具箱4.0.3版本为基础。本书前两章介绍了MATLAB 7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。 本书可作为理工科各专业的高年级本科生、研究生学习神经网络的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。
本书是“MATLAB应用技术”系列丛书之一，以推出的MATLAB 7中的神经网络工具箱4.0.3版本为基础。本书前两章介绍了MATLAB 7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。 本书可作为理工科各专业的高年级本科生、研究生学习神经网络的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。
本书是“MATLAB应用技术”系列丛书之一，以推出的MATLAB 7中的神经网络工具箱4.0.3版本为基础。本书前两章介绍了MATLAB 7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。 本书可作为理工科各专业的高年级本科生、研究生学习神经网络的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。
