实现了神经元在线参数自学习功能,利用神经元控制器及滞环比较器、智能功率模块实现了基于神经元控制器的交流伺服系统。由仿真和实验结果,可以看出神经元控制器具有较强的自适应性及鲁棒性

对鞍钢冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷.把遗传算法(GeneticAlgorithms,简称GA)和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及GA-BP算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冲连轧机轧制压力模型.通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网络模型计算精度优于传统轧制力模型

(1)掌握神经纤维兴奋传递的特征,突触与接头传递。 (2)掌握突触后兴奋和抑制,外周神经递质、受体学说。 (3)熟悉中枢神经递质,局部神经元回路。 (4)了解突触可塑性,神经营养性作用和胶质细胞的功能

在实际的神经网络中,比如人的视网膜中,存在 着一种“侧抑制”现象,即一个神经细胞兴奋后 ,通过它的分支会对周围其他神经细胞产生抑 制。 自组织竞争人工神经网络正是基于上述生物结构 和现象形成的。它能够对输入模式进行自组织 训练和判断,并将其最终分为不同的类型

针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%

第一节中枢神经系统活动的基本规律 第ニ节神经系统的感觉分析功能 第三节脑的电活动与觉醒、睡眠机制 第四节神经系统对躯体运动的调节 第五节神经系统对内脏活动的调节 第六节脑的高级功能

➢ 神经细胞的发生、增殖过程； ➢ 神经细胞的迁移过程； ➢ 神经细胞的分化； ➢ 神经系统功能的建立

一、神经管和神经嵴的发生及早期分化 1、神经管和神经嵴的发生

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法 simulated annealing,简称SA 10.4 神经网络权值的混合优化学习策略

 化学性突触的传递过程和突触后电位  中枢抑制类型和作用  感觉投射系统的特征和功能  内脏痛的特征和牵涉痛  牵张反射的概念、类型及意义 一、神经系统功能活动的基本原理 二、神经系统的感觉分析功能 三、神经系统对姿势和运动的调节 四、神经系统对内脏活动的调节 五、脑电活动及觉醒和睡眠 六、脑的高级功能