MATLAB语言是美国 Mathworks公司研制开发的大型计算软件,自1985年问世 以来,特别是1993年4. Windows版本的出现,使得 MATLAB语言的使用获得了巨 大的发展。它的强大的矩阵处理与运算功能、丰富的图形绘制能力深受用户的青 睐。控制领域的研究者与工程技术人员对此给予了极大关注,国际上众多的知名学 者在此基础上先后开发出一系列的相关工具箱(toolbox),如控制系统工具箱 (Control System Toolbox)、神经网络工具箱(Neural Network Toolbox系统辨识 工具箱(Systerm Identification Toolbox)、最优化工具箱(Optimization Toolbox)、鲁棒控制工具箱(Robust Control Toolbox)等,以及集成在 MATLAB上的 面向结构图的系统分析平台 Simulink

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

MatLab是一种数值计算和图形图像处理工具软件,它的特点是语法结构简明、数值计算高效、图形 功能完备、易学易用。它在矩阵代数、数值计算、数字信号处理、提动理论、神经网络控制、动态仿真 等领域都有广泛的应用 本书从 MatLab的基础知识入手,在详细介绍各种命令的同时,向读者介绍了 Matlab在高等数学、 线性代数、符号运算、图形图像处理、数据处理等方面的应用和外部接口程序设计。本书侧重于利用大 量的实例来引导读者快速学习和掌握 MatLab的各种功能,并尽量与实际问题相结合,以体现其工程应用 的重要性。书中配有习题和参考答案,供读者练习附录则配有常用命令的列表,以供参考

第一节、神经元与神经胶质细胞 神经细胞： 能感受刺激传导冲动，整合信息（神经元） 神经胶质细胞：保护支 持、分隔、营养神经元 胞体：大小脑皮质，神经核团、灰质 中枢神经系统 突起：神经通路，神经网络 周围神经系统 胞体：神经节 突起 躯体神经：体表、骨骼肌 内脏神经：内脏，心血管，腺体 神经组织 神经系统 第二节、神经元之间的信息传递 (Synaptic Transmission Between Neurons) 胞浆内第二信使(Second Messengers) 乙酰胆碱

 胶质细胞的基本知识  神经元-神经胶质网络  总结与展望 Ⅰ 神经胶质细胞（Glia） Ⅱ. Neuron-glia netwoks Ⅲ Perspective

1. 智能控制概论 2. 模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

复旦大学：《心灵哲学 Philosophy of Mind》课程教学资源（PPT课件，英文版）第5讲 人工神经元网络以及神经语义学 Artificial Neural Networks And Neurosemantics

1. 智能控制概论 2. 模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论