6.1 神经网络概念与特性 6.2 神经网络模型辨识中常用结构 6.3 辨识中常用网络训练算法 6.4 改进的BP网络训练算法 6.5 神经网络辨识MATLAB仿真举例 6.6 基于改进遗传算法的神经网络及其应用 6.7 模糊神经网络及其应用 6.8 小结

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

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

中枢神经系统 （CNS） Brain Spinal cord 周围神经系统 (PNS) Nerve outside of the brain and spinal cord 神经系统发育概况 神经管的形成和早期分化 神经嵴的形成和分化 中枢神经系统的常见畸形 神经干细胞与神经再生 人脑发育的主要程序

一、神经组织 二、神经元※ 三、突触章 四、神经胶质细胞 五、有髓神经纤维※ 六、神经末梢

第一节神经系统的基本元件 第二节神经元之间的信息传递 第三节感觉功能 第四节调节躯体运动功能 第五节植物性神经系统的功能 第六节大脑的高级功能 重点:神经系统的感受机能、神经系统对躯体运动和内脏活动的调节 难点:突触传递机理

一、神经管的形成 二、神经诱导作用 三、神经管的分化 四、神经元的分化 五、神经元的生长和凋亡

神经元 一、神经元的基本结构 二、神经纤维 三、感受器及效应器 四、突触 五、神经元的变性和再生

一、神经管的发生和早期分化 二、脊髓的发育 三、脑的发育 四、神经节和周围神经的发生 五、垂体和松果体的发生