6.1 概述 6.1.1生物神经元模型 6.1.2 人工神经元模型 6.1.3 人工神经网络模型 6.1.4 神经网络的学习方法

第一节 遗传性共济失调 第二节 遗传性痉挛性截瘫 第三节 腓骨肌萎缩症 第四节 神经皮肤综合征

1.糖苷酯也属类脂化合物,脑苷脂是其中之一脑苷脂经皂化后得到神经酸;该酸可使 稀KMnO4和 BrCCl4溶液褪色,经催化加氢得到n- -C2 COOH神经酸经氧化后可得两个 羧酸,一个中和当量为156±3,另一个中和当量为137±2,试写神经酸的构造式

针对挠性卫星本身存在的参数不确定性和外部扰动的控制问题,设计了以径向基函数神经网络和小脑神经网络为基础的复合变结构智能控制器.该控制器利用变结构控制系统对被控对象的模型误差、参数变化及外扰等的不敏感性的优点,再结合神经网络能够迅速逼近未知函数、泛化能力强的特点,可以适应挠性卫星参数不确定性和抑制外加干扰,实现对挠性卫星的有效控制.仿真结果表明复合控制能够提高卫星姿态的稳态精度和快速性

第一节 概述 一．神经系统的组成 二．神经系统常用术语 第二节 中枢神经系统 一．脊髓 二．脑 三．脑和脊髓的被膜、血管和脑脊液循环

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

自我神经基础的探讨常基于自我相关加工的研究,涉及皮质中线结构各个脑区甚至全脑协同作用。内侧前额叶皮质及其次成分在自我相关加工中发挥重要作用：腹内侧前额叶皮质较多支持默认模式下的自我加工、自我信息的觉察和“在线”自我加工,背内侧前额叶皮质主要参与有意识的自我参照加工、自我信息的评价和“主导的”自我加工。在自我-他人表征中,自我-他人表征的情感性、认知性和文化性因素均调节内侧前额叶皮质及次成分的活动。未来在动态的时间和人际背景中解析自我加工的神经机制是重要的研究方向

1.掌握神经元与突触的类型、突触传递过程及其特点;神经纤维传导兴奋的特点及其原理; 2.掌握中枢抑制的类型及其机制; 3.掌握两种感觉投射系统的组成特点及其功能;

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