1、 智能控制的产生和基本特征 2、基于神经网络的系统辨识 3、基于神经网络的系统辨识示例 4、基于神经网络的系统控制 5、基于神经网络的系统控制示例

CMAC网络的基本思想与结构模型 CMAC网络的工作原理 CMAC算法的程序语言描述 CMAC网络的泛化能力 CMAC网络的几个问题 仿真示例

 概述  Elman神经网络结构  Elman神经网络学习算法  Elman网络的MATLAB实现

7.1 绪论 7.2 PID神经元的计算方法 7.3 PID神经元网络 7.4 SPID网络的反传算法 7.5 PID网络初值权重的选取和等价系统

• BP网络结构与模型 • BP网络的学习算法 • BP神经网络的重要函数和基本功能 • 一个简单的例子 • BP网络的几个问题 • 改进的BP网络的学习算法 • BP网络的应用示例

单个感知器模型与解决问题的能力 单层感知器模型与解决问题的能力 单层感知器的学习算法 单层感知器的局限性问题 多层感知器的设计方法 有关的几个问题的讨论 单层感知器的MATLAB设计与实现

人工神经网络的发展历史 人工神经网络的定义、特点和应用 从生物神经元到人工神经元

从对我国国有大中型企业的现状分析出发,依据当代质量管理理论和系统论原理,提出了一种与ISO 9000-GB/T 19000系列标准相结合的、可用于这类企业的质量管理层次决策模式

红热钒渣吹氧氧化仅10min左右,经碱浸压煮提钒,钒浸出率可达90%以上.吹氧过程中,增添CaO,控制合适的MgO与钒渣的重量比,减小供氧速率,可获得高的CFe3+/CFe2+.碱浸时,钒浸出率主要随CFe3+/CFe2+的增大而升高.保温时间、浸出温度、Na2CO3和NaOH的加入比、渣水质量比对钒浸出率都有影响.碱浸压煮时充氧和水洗残渣也可以提高钒的总浸出率

在氮化镓中添加其他元素,有可能使其宽禁带变窄,从而提高其作为光催化剂的光利用效率.在1123K的氮化温度下,用氧化镓(Ga2O3)和氧化锌(ZnO)粉末与流动的NH3反应900min制备出黄色的氮化镓与氧化锌的固溶体Ga1-xZnxNO.探讨了制备工艺对所得粉体的影响,通过X射线衍射(XRD),扫描电镜(SEM)以及紫外可见吸收光谱(UV-Vis)研究Ga1-xZnxNO的晶体结构和光学性能.所得Ga1-xZnxNO的粉末呈六角纤锌矿结构,紫外可见吸收光谱表明该物质的吸收峰位于可见光范围内