将LVQ神经网络用于冷轧带钢表面缺陷的自动分类中,解决了以往分类方法在多缺陷模式类型情况下耗时多和准确率低的问题.对现场采集到的14种主要缺陷类型进行了实验.实验结果表明,基于LVQ神经网络的分类器训练与分类的时间短,在多缺陷种类分类的过程中准确率能得到保证

一、神经元 1、急性肿胀（如图） 2、固缩（如图） 3、胞浆空泡形成 4、液化坏死（如图） 二、胶质细胞（如图） 表现为增生或变性、坏死 胶质结节 噬神经元现象 卫星现象

针对烧结过程生产实际,运用神经网络中的BP学习算法设计了分类器,用于在线推断烧结矿的质量。为了加快BP学习算法的收敛速度,采用了自适应变步长学习算法。实验结果表明,由此建立的烧结过程神经网络质量预报模型,预报正确率高,具有很好的泛化能力

绪论 Introduction 神经系统损害的临床表现 脑神经 Cranial nerves 语言障碍 Disorders of Language 失语症 aphasia 意识障碍 Disorders of Consciousness 眩晕 vertigo 运动系统 Motor system 感觉障碍 Disorders of Sensation 反射 Reflex 神经系统疾病病史采集

学习和记忆是两个相联系的神经过程。学习指人和运动依赖于经验来改变自身行为以适应环境的神经活动过程。记忆则是学习到的信息 贮存和“读出”的神经活动过程

阿尔茨海默病 (Alzheimer’s Disease，AD)：以潜隐性起病、痴呆缓慢进行性加重为特征，以神经元变性、丢失引起的脑萎缩，老年斑 (SP) 和神经原纤维缠结 (neurofibrillar tangles，NFT) 为主要病理改变，主要集中在顶叶、颞叶、额叶联合皮层，如大脑皮层、海马以及基底前脑等。 变性疾病 阿尔茨海默病 路易体痴呆 Pick病 额颞叶痴呆等 非变性疾病 血管性痴呆 感染性痴呆 中毒性脑病 脑积水等

将神经网络与传统专家系统有机地结合,建立了用于高炉炉况预测与判断的神经网络专家系统。该系统命中率高、适应性强,且具有良好的自学习功能

自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想

以恒应变速率凸轮压缩试验机得到的实验数据为基础,采用人工神经网络的方法建立了碳钢变形抗力与应变、应变速率及温度对应关系的预测模型,与多元非线性回归模型比较,神经网络模型具有较高的预测精度

1 历史进程 2 预备知识 采用线性激活函数的神经元 采用阈值激活函数的神经元 采用 S 形激活函数的神经元 3 异或问题 4 多层感知机到底在做什么？ 5 Tilling（耕种，耕作）算法 6 可微激活函数函的多层感知机学习方法 误差 e 的表示 误差的反向传播 反向传播算法 计算例子