一、 生物信息的传递

模式识别模拟的是人类一部分智能—识别、判断能力，而人类的智能活动都是在大脑的 神经系统中完成的，如果我们能够模拟人类大脑的工作机理来实现识别系统，应该能够取得 好的效果。人工神经网络的研究证实在这方面所进行的探索

提出了一种基于免疫识别原理的径向基函数神经网络学习算法.该算法利用人工免疫系统的识别、记忆、学习等原理,将输入数据作为抗原,抗体为抗原的压缩映射作为径向基函数神经网络模型的隐层中心,输出采用最小二乘法确定权值.通过预报热轧带肋钢筋力学性能的仿真实验结果表明,与K-均值法选择中心点比较,该算法计算量较小,精度高

智能系统：NCIIP优化BP神经网络在入侵检测中的应用

1中央管敞开为 第Ⅳ脑室。室 底灰质中有脑 神经核和Ⅻ Ⅹ对脑神经根 出恼。孤束 核包绕孤束

机器学习：自适应概率神经网络及其在白酒电子鼻中的应用

机器学习：量子衍生神经网络模型及在图像恢复中的应用

智能系统：基于神经网络的改进行为协调控制及其在智能轮椅路径规划中的应用

自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想

1.掌握神经元与突触的类型、突触传递过程及其特点;神经纤维传导兴奋的特点及其原理; 2.掌握中枢抑制的类型及其机制; 3.掌握两种感觉投射系统的组成特点及其功能;