一、注意的概念  二、注意的理论模型 ◦ 早选择 VS. 晚选择模型  三、注意的效应及其神经基础 ◦ 空间选择性注意的效应 ◦ 特征选择性注意的效应 ◦ 物体选择性注意的效应  四、注意的来源及其神经基础 ◦ 背侧注意控制网络 ◦ 腹侧注意控制网络  五、注意障碍

一、生物体内的信号传递 二、海马趾CA1神经元区室化模型 三、establishing the individual pathways 四、develope the network model in stages

热轧钢材的淬火冷却是改善钢材质量和性能的重要措施,淬火过程的核心就是控制钢板的冷却速度.针对传统的淬火控冷模型的固有缺陷,为了满足扩展钢种、规格及淬火温度高精度的要求,利用神经网络技术建立了神经网络淬火控冷温度预报模型,该模型与回归数学模型相结合,完成淬火控冷现场控制.应用结果证明,该综合模型极大地提高了钢板淬火冷却的控制精度,提高了产品的成材率

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性

回声状态网络是近年来新兴的一种递归神经网络,独特而简单的训练方式以及高精度的训练结果已使其成为当前研究的热点之一.在该网络中,引入了储备池计算模式这一新的神经网络的建设方案,克服了之前网络模型基于梯度下降的学习算法所难以避免的收敛慢和容易陷入局部极小等问题.围绕这种新型网络结构,国内外许多学者开展了多样的研究.本文全面深入介绍了回声状态网络这一新兴技术,讨论了回声状态网络的优缺点,并综合近年的研究现状,总结了回声状态网络的主要研究工作进展和未来的研究方向

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能.通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型.采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性

（1）小脑从各种传感器获得信号、反馈和命令，构成地址，地址的内容形成各种所需的动作。 （2）输出的动作只限制在最活跃神经中的一个小子集，绝大多数神经元都受到抑制

简要介绍了传统专家系统知识库所存在的问题,提出了一个基于神经网络的碳钢和低合金钢大气腐蚀知识库系统,并着重阐述了这种新型知识库系统的知识获取、知识表示和系统的实现等问题

用人工神经元方法分析IF钢性能与成分、加工工艺之间关系.通过实验与现场数据训练1个前向网络的考核结果表明，该方法是用于大生产中IF钢成分与工艺设计的有效方法

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性