一、周围神经系统疾病 1 概述 2 脑神经疾病三叉神经痛 3 特发性面神经麻痹 4 脊神经疾病急性炎症性脱髓鞘性多发性神经病其它:桡、尺、正中神经麻痹坐骨神经痛及其它下肢单神经病

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义

第四节 神经系统的感觉功能 Sensory Function of Nervous System 第五节 脑的电活动与觉醒、睡眠机制 第五节 神经系统对姿势和运动的调节 Posture & Motor Control By Nervous System 第六节 神经系统对内脏活动调节 Visceral Activity Control By Nervous System 第七节 脑的高级功能 Higher Nervous Activity of the Brain

癔症 惊恐障碍 恐惧症 广泛性焦虑障碍 强迫障碍 神经衰弱 神经症及其概述

概述 第一节 脑神经疾病 三叉神经痛 面神经炎（特发性面神经麻痹，贝尔麻痹） 第二节 脊神经疾病 急性炎症性脱髓鞘性多发性神经病（吉兰-巴雷综合征，Guillain-Barre syndrome）

第一节中枢神经系统活动的基本规律 第二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

鲁白教授 1957年12月生于上海市。1982年获上海华东师范大学学士学 位。1990年获康乃尔大学博士学位后,在洛克菲勒大学和哥伦 比亚大学从事博士后研究,导师为 Paul Greengard和蒲慕明教授 1993年加入罗氏分子生物学研究所,并任哥伦比亚大学助理教 授。1996年加入NIH儿童健康和人类发育研究所,任突触发育和 可塑性研究室主任 主要研究神经营养因子在突触发育和可塑性中的作用。他 的研究室是最早提出并发现神经营养因子对神经系统突触传递、 突触发育可塑性有调控作用的实验室之一,与几个著名实验室 一起开创了神经营养因子的突触调控这一新领域

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

顾玉东院士 山东章邱人。中国工程院院士,手外科和显微外科专家。 1961年上海第一医学院毕业后任职于附属华山医院至今。现 任复旦大学教授、华山医院手外科主任,中华医学会副会长, 国务院学位委员会委员,卫生部手功能重建重点实验室主任、 中华手外科杂志总编辑、上海市手外科研究所所长。 首创膈神经、多组神经及健侧颈7神经移位术,为肢体创 伤设计了多种皮瓣及带血管神经移植,首创足趾移植“二套 供血系统”方法

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确