用人工神经元方法分析IF钢性能与成分、加工工艺之间关系.通过实验与现场数据训练1个前向网络的考核结果表明，该方法是用于大生产中IF钢成分与工艺设计的有效方法

采用3层前向神经网络描述混沌时间序列的动力学模型,给出了该网络拓扑结构的确定方法.以及使网络泛化误差达到最小为依据确定网络的输入节点和隐含节点个数.仿真结果表明:该方法不仅优化了网络的结构,而且大大减少了网络的泛化误差

11.1差错控制编码的基本概念 1.差错控制的主要方式 (1)检错重发(ARQ: Automatic Request for Repetition); (2)前向纠错(EC: Forward Error Control); (3)混合纠错(HEC: Hybrid Error Control) 2.差错控制的基本实现方法 在信息上附加一定位数的监督码元,使其与信息位按某种规则相互关联,若数据在传输过程中发生差错,关联关系被破坏,从而可检出和/或纠正错误

教学内容 首先介绍人工神经网络的基本概念和 ANN 的特性，以及神经网络的学习方法。然后讲授典型的前向神经网络、反馈神经网络的原理、结构、基本算法，给出了 BP 网络的算法改进。最后介绍了神经网络 PID 控制。 教学重点 1. 神经网络的各种学习算法，神经网络的训练。 2. 感知器网络、BP 网络的结构和算法、BP 网络学习算法的改进，反馈网络的结构、学习算法。 3. 神经网络 PID 控制

上列借款，保证按期归还。如按期归还确有困难，在到期３天前向贷款方 申请办理延期手续；如不经批准延期或不申请办理延期手续，从逾期之日起，由贷 款方按规定加收利息

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

感知器是由美国计算机科学家罗森布拉特(f. Roseblatt)于1957年提出 的。感知器可谓是最早的人工神经网络单层感知器是一个具有一层神经元、 采用阈值激活函数的前向网络。通过对网络权值的训练,可以使感知器对一组 输人矢量的响应达到元素为0或1的目标输出,从而实现对输人矢量分类的目 的

自我神经基础的探讨常基于自我相关加工的研究,涉及皮质中线结构各个脑区甚至全脑协同作用。内侧前额叶皮质及其次成分在自我相关加工中发挥重要作用：腹内侧前额叶皮质较多支持默认模式下的自我加工、自我信息的觉察和“在线”自我加工,背内侧前额叶皮质主要参与有意识的自我参照加工、自我信息的评价和“主导的”自我加工。在自我-他人表征中,自我-他人表征的情感性、认知性和文化性因素均调节内侧前额叶皮质及次成分的活动。未来在动态的时间和人际背景中解析自我加工的神经机制是重要的研究方向

用抛光的恒位移试样对不同钢种、不同强度的高强钢在水介质中应力腐蚀裂纹的产生和扩展进行了金相跟踪观察。结果表明:超高强钢(σb ≥ 160公斤/毫米2的30CrMnSiNi2A,ZG-18铸钢)应力腐蚀时,裂纹前端塑性区逐渐扩大,闭合后形成不连续裂纹,以后随塑性区中变形量增大主裂纹扩展並与新裂纹相连。当强度降低时,(σb ≤ 138公斤/毫米2的30CrMnSiNi2A,40CrNiMoA,30CrMnSiA)塑性区随时间增大,但不闭合,随其变形量增大,原裂纹沿弹塑性边界向前扩展。强度更低(σb同样试样在电解充氢条件或干氢条件下,加载裂纹前端同样能产生滞后塑性变形,而且裂纹产生和扩展的情况完全和水介质中类似。由此可知,裂纹前端滞后塑性变形是由氢引起的。高强钢或超高强钢在水介质中应力腐蚀的机构如下:阴极放氢,它进入裂纹前端引起滞后塑性变形,从而导致裂纹的产生和扩展

在软件工程中,把面向对象方法产 生之前的软件开发方法统称为传统的 工开发方法,主要有面向数据流的结构 化方法和面向数据结构的ckOn方法