7.1 绪论 7.2 PID神经元的计算方法 7.3 PID神经元网络 7.4 SPID网络的反传算法 7.5 PID网络初值权重的选取和等价系统

提出一种自适应神经元网络的方法,对板形板厚综合系统进行了仿真研究,该控制方法,适合处理多输入输出问题,并具有自组织、自适应和自学习能力,仿真结果表明,该方法的效果比采用传统的PID控制优越,可应用于实际控制

人工神经网络的发展历史 人工神经网络的定义、特点和应用 从生物神经元到人工神经元

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

为了镇定混沌系统的不稳定周期轨道,提出了一种基于单神经元自适应PSD算法的状态延迟反馈法用于混沌的镇定控制.仿真结果表明,该算法不仅能够自适应地完成控制参数的整定过程,而且具有适用范围广、镇定时间短、抗干扰能力强等优点

针对板带材轧制是一个复杂的非线性过程,板形控制（AFC）和板厚控制（AGC）又是相互耦合的一个综合系统等特点,提出了一种基于模糊RBF神经元网络的冷连轧板形板厚多变量综合控制系统.仿真结果证明了此AFC-AGC控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制

针对扑翼飞行器的定高飞行，设计了基于外部单目视觉的室内定高控制系统：通过外部单目相机获取扑翼飞行器的飞行图像，基于Qt编写的地面站软件接收图像并利用基于OpenCV的图像处理算法检测扑翼飞行器上的发光标识点，获得标识点在图像上的像素坐标；基于卡尔曼滤波器（KF）建立标识点像素坐标的运动状态估计器，降低环境噪声干扰并解决了标识点被短暂遮挡的问题；分别建立常规PID和单神经元PID控制系统，通过蓝牙控制扑翼飞行器的电机转速，实现了基于图像的扑翼飞行器室内定高飞行。对比实验结果表明，本文设计的定高飞行控制系统可以使扑翼飞行器标记点的图像坐标保持在外部单目相机图像的中心横线处。针对阶跃响应信号，单神经元PID控制系统的响应速度比常规PID控制系统响应速度稍慢一些，但是控制精度明显优于常规PID控制器，最大相对误差为3%

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

第一节 神经元与神经胶质细胞的一般功能 第二节 神经元的信息传递 第三节 神经系统的感觉分析功能 第四节 神经系统对姿势和运动的调节 第五节 神经系统对内脏活动、本能行为和情趣的调节 第六节 脑的电活动与觉醒、睡眠机制 第七节 脑的高级功能

一、神经系统的组成 二、神经元的结构与功能 三、神经元分类 四、信息在神经系统中的传递 五、大脑的基本结构与功能 六、大脑结构与功能的发展