Lecture 1 神经元的整合发放(IF)模型 Lecture 2 The Hodgkin-Huxley Model of Action Potential Lecture 3 Two-dimensional neuron models Lecture 4 The HH model revisited and synaptic dynamics Lecture 5 Brief introduction of synaptic plasticity Lecture 6 Neural noise and neural codes Lecture 7 Functional roles of noise in taming neurodynamics Lecture 8 Network Models in Neuroscience

【脑认知基础】SCADA安全因素神经元的云推理机研究与仿真

关于过程神经元网络的理论探讨（华南理工大学：叶涛、朱学峰）

SOFM网络的思想来源 SOFM网络的结构模型 SOFM神经元的基本功能函数 SOFM的基本学习算法 仿真实例 几点注意事项

人工神经元的基本模型 几种典型的激活函数 人工神经网络的学习算法概述 人工神经网络的基本拓扑结构

1. 神经细胞的功能 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、运动、内脏活动的调节 5. 脑的高级功能

教学要求： 1、 熟悉神经组织的组成。 2、了解神经胶质细胞的分类与功能。 3、掌握神经元的形态结构、分类及突触的结构。 4、熟悉神经纤维的概念、无髓神经纤维与有髓神经纤维的区别。 5、熟悉神经末梢的概念、分类 与功能。 6、掌握血脑屏障的含义。 教学内容： ➢Neurons ➢Structure ➢Soma ➢Processes (neurites) ➢Function ➢Neuron-neuron communication (synapses) ➢Classification ➢Morphology ➢transmitter ➢Glial cells ➢Classification ➢Function

哈尔滨工业大学：《计算智能和过程神经元网络》课程PPT教学课件（何新贵）

近年来，突触可塑性在学习记忆中所产生的作用一直是人们关注的焦点。突触是神经信息传递的关键部位，突触可塑性被认为是突触形态的改变、新的突触的形成及传递性能的建立，突触可塑性是学习与记忆的细胞分子学基础，其介导了神经兴奋性的传导，对神经元突触可塑性和神经构筑产生了重要影响，因而与学习记忆关系密切。现就突触可塑性分子机制对学习记忆的影响进行综述

研究了基于比例、积分和微分控制分量非线性方法合成的非线性PID智能控制器.该PID控制器将比例、积分和微分控制分量分别用三角函数表示为误差信号的非线性函数,并通过三个独立的非线性函数构造合成PID控制器.通过在线调整三个独立非线性函数的权值系数,使该控制器实现不依赖于非线性对象模型的智能控制.仿真结果表明该控制器具有优异的非线性控制性能