了解人工神经网络的有关研究思想,从中 学习开拓者们的部分问题求解方法。 通过实验进一步体会有关模型的用法和性 能,获取一些初步的经验。 查阅适当的参考文献,将所学的知识与自 己未来研究课题(包括研究生论文阶段的 研究课题)相结合起来,达到既丰富学习 内容,又有一定的研究和应用的目的

本章系统阐述神经肌肉的兴奋性,含兴奋的产生、传导和兴奋在神经肌肉接点的传递,认为这是完整机体内肌肉收缩的生理学基础;根据肌丝滑行理论着重对肌细胞的收缩过程与机制,以及肌肉收缩的形式和力学特征进行分析;此外肌肉中结缔组织对肌肉收缩的影响以及肌电图在体育科研中的应用也作简要的介绍。 第一节 肌肉的微细结构 第二节 肌肉的特性 第三节 细胞的生物电现象 第四节 肌肉的收缩原理 第五节 肌肉收缩形式与力学特征 第六节 肌纤维类型与运动能力 第七节 肌肉的结缔组织 第八节 肌电图

根据我国大气腐蚀网站积累的环境数据和材料腐蚀数据,采用人工神经网络方法。建立了碳钢及低合金钢在大气条件下,腐蚀率与金属腐蚀暴露时间对应关系的预测模型.结果表明:在相同的大气环境下不同的金属存在着不同的网络;相同金属在不同的大气环境下存在着不同网络;BP算法的形式要根据实际情况而定

杨雄里院士 神经生物学家,1963年上海科技大学生物系毕业,1963 1999年在中国科学院上海生理研究所工作,历任研究实习员、 助理研究员、副研究员、研究员、所长。1980-1982年在日本 进修并获学术博士学位。1985-1987年先后在美国哈佛大学、 贝勒医学院从事合作研究。2000年创建复旦大学神经生物学研 究所并任所长

腔肠动物:是一种双胚层动物 第一节腔肠动物门的特征 一、辐射对称:通过身体的中央纵轴有若干个切面将身体分成左右相等的两部分 二、具有两个胚层:外胚层和内胚层 三、具有原始的细胞和组织的分化 细胞分化:皮肌C腺C间C神经C刺C感觉C 四、具有原始的消化循环腔:细胞内消化和细胞外消化 五原始的神经网无方向性传导速度慢

物理治疗教研室教学大纲 运动生理学 人体发育学 神经系统疾病物理治疗实践 神经系统疾病物理治疗应用 肌骨关节疾病物理治疗实践 肌骨关节疾病物理治疗应用 心肺疾病物理治疗 物理治疗评定学 儿童疾病物理治疗学 神经科学 运动控制 手法治疗学 作业治疗教研室教学大纲 康复治疗学导论 神经系统疾病作业治疗 发育障碍的作业治疗 心理社会障碍作业治疗 作业治疗评定学 骨骼肌肉损伤及手外伤作业治疗 老年疾病作业治疗 治疗性环境与辅助科技 职业康复 烧伤的作业治疗 言听教研室教学大纲 失语症 运动性言语障碍 言语语言神经基础 言语治疗学总论 言语听觉科学基础 声学语音学 嗓音障碍 康复听力学 吞咽障碍 临床听力学 听力学概论 中西医结合耳鼻咽喉科学 构音语音障碍 小儿听力学 儿童语言障碍 康复基础教研室教学大纲 中国传统康复基础 康复医学 康复医学概论 人体运动学 中国传统康复技能 物理因子治疗学

物理治疗教研室教学大纲 运动生理学 人体发育学 神经系统疾病物理治疗实践 神经系统疾病物理治疗应用 肌骨关节疾病物理治疗实践 肌骨关节疾病物理治疗应用 心肺疾病物理治疗 物理治疗评定学 儿童疾病物理治疗学 神经科学 运动控制 手法治疗学 作业治疗教研室教学大纲 康复治疗学导论 神经系统疾病作业治疗 发育障碍的作业治疗 心理社会障碍作业治疗 作业治疗评定学 骨骼肌肉损伤及手外伤作业治疗 老年疾病作业治疗 治疗性环境与辅助科技 职业康复 烧伤的作业治疗 言听教研室教学大纲 失语症 运动性言语障碍 言语语言神经基础 言语治疗学总论 言语听觉科学基础 声学语音学 嗓音障碍 康复听力学 吞咽障碍 临床听力学 听力学概论 中西医结合耳鼻咽喉科学 构音语音障碍 小儿听力学 儿童语言障碍 康复基础教研室教学大纲 中国传统康复基础 康复医学 康复医学概论 人体运动学 中国传统康复技能 物理因子治疗学

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%

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

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