在语音识别中,卷积神经网络(convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络(deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸.本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比.在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强

一、神经药理学的性质和任务 二、神经药理学的发展历程 三、神经药理学的研究内容和热点领域 四、神经药理学研究方法 五、神经药理学前景展望

第一节 神经元与胶质细胞的一般功能 第二节 神经元的信息传递 第三节 神经系统的感觉分析功能 第四节 神经系统对姿势和运动的调节 第五节 神经系统对内脏活动、本能行为和情绪的调节的调节 第六节 觉醒、睡眠与脑的电活动 第七节 脑的高级功能 第八节 神经、内分泌和免疫系统的相互关系

11.1 模糊神经网络理论概述 11.2 模糊系统简介 11.3 RBF网络及其与模糊系统的功能等价 11.4 模糊神经元的一般构造方法 11.5 模糊神经网络 11.6 标准模糊神经控制器结构 11.7 模糊RBF型神经控制器结构

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

学习有关神经性厌食症的基础知识。了解神经性厌食症患者的特点以及流行病学情况。结合视频资料，对障碍的临床表现，诊断特征等进行深入的学习。讨论神经性厌食症的病因学模型，并 从各个学科，学派的视角分析可行的治疗方案。学习有关神经性大食症的基础知识。了解神经性大食症患者的特点以及流行病学情况。结合视频资料，对障碍的临床表现，诊断特征等进行深入的学习。讨论神经性大食症的病因学模型，并 从各个学科，学派的视角分析可行的治疗方案

1、熟练掌握本章所涉及的专业术语和基本概念。 2、了解神经元、突触、神经递质、受体和神经营养因子的功能。 3、详细了解视觉、听觉、位觉和本体感觉的基本结构和功能。 4、掌握脊髓、脑干和高位中枢对躯体运动的调控机制以及它们的协调配合。 第一节 神经系统及其功能 第二节 神经系统的感觉功能 第三节 躯体运动的神经调控

第一节 神经元与神经胶质细胞的一般功能 第二节 神经元的信息传递 第三节 神经系统的感觉分析功能 第四节 神经系统对姿势和运动的调节 第五节 神经系统对内脏活动、本能行为和情趣的调节 第六节 脑的电活动与觉醒、睡眠机制 第七节 脑的高级功能

1.神经元活动的一般规律：神经纤维传导的特征，速度，神经纤维的分类以及神经的营养性作用，神经胶质细胞的功能。 2.突触与突触传递：兴奋性突触与抑制性突触传递的过程和原理，突触前抑制。神经递质

1.神经元与神经胶质细胞的一般功能 2.神经元的信息传递 3.神经系统的感觉分析功能 4.神经系统对姿势和运动的调节 5.神经系统对内脏活动本能行为的调节 6.觉醒、睡眠与脑电活动