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

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

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

一、概述:神经系统构成 二、神经元

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

在深入研究APT-2神经网络结构的基础上,提出了一种基于神经网络的自适应故障模式分类方法,并应用在轴承故障诊断中,结果表明:该方法对轴承故障模式具有自学习、快速稳定的识别能力

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

将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于BP神经网络的板形预测控制数学模型.经用宝钢1420mm冷轧实测数据仿真验证表明该模型具有很高的预测精度

针对我国高炉的检测水平,采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经网络模型。该模型具有良好的适应性和自学习功能

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