14.1 生物神经元 14.2 人工神经元模型 14.3 多层感知器神经网络 15.1 神经网络的学习能力 15.2 误差回传算法

20.1 突触的兴奋传递 20.2 神经元的联系与反射 20.3 神经系统的感觉分析功能 Sensory function of the nervous system 20.4 神经系统对躯体运动的调节 20.5 神经系统对内脏活动的调节 20.6 大脑皮质的功能

1.掌握: (1)神经组织的基本结构与功能; (2)神经元的基本结构与功能; (3)突触的超微结构特点与功能; 教学目的(4)神经纤维的结构及分类。 2.熟悉 神经胶质细胞的分类及基本功能

针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法 simulated annealing,简称SA 10.4 神经网络权值的混合优化学习策略

一、种系发生 1. 种系发生的三个阶段 2.管状神经系的演变 二、个体发生 1.神经管的发生和分化 2.脊髓的发育 3.脑的发育 4.周围神经的发育 三、中枢神经系统的发育异常、可塑性和老化

内脏运动神经与躯体运动神经的区别: 一、内脏运动神经 二、躯体运动神经

自适应线性神经元模型 单个自适应线性神经元的学习方法 单层自适应线性神经元的学习方法 MATLAB程序仿真 关于自适应线性神经元的几点说明

人工神经元的基本模型 几种典型的激活函数 人工神经网络的学习算法概述 人工神经网络的基本拓扑结构

第一节 神经元与神经胶质细胞的一般功能 第二节 突触和接头传递