基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制，唐忠，蔡智慧，本文提出了一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,�

一本讲解神经元算法的书籍，主要有BP神经网路等神经元算法，包括监督学习和非监督学习，书中的数学推导和证明都很准确，强烈推荐的神经元算法的入门书。

计算 30 um 脑切片中 c-Fos 核的代码。 代码是为绿色通道中的 c-Fos 和红色通道中的神经元编写的，具有大小和形状标准。 ROI 选择器是为蓝色通道中的 Nissl 计数器染色而编写的。 代码包括实验条件列表，包括饮食和大脑区域。 计数报告为仅 c-Fos、仅神经元和双倍和 ROI 位置

在本文中，使用 Matlab 神经工具箱识别和控制假设的非线性设备的过程详细解释了足够的细节，以帮助对该问题感兴趣的任何人知道该做什么以及如何使用这些工具进行完整的模拟Matlab 7.1及更高版本提供给我们的。 包括许多数字以更加明确。

针对传统控制理论的缺陷，提出了PID神经元网络及其控制系统，并介绍了其研究和应用。

从BP神经元模型和RBF神经元模型几何意义出发，将仿生模式识别理论引入到神经网络分类中，提出了一种基于仿生模式识别的构造型神经网络分类方法，通过构造不同结构神经元结合的神经网络，实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖。实验证明该算法是非常有效的。

神经元大汇总集合了网路上各种对于Matlab神经网问题的研究与总结，很适合初学者学习。

Quadratic IF神经元模型matlab仿真程序，代码亲测有效，参数自调

3*3卷积核与2*5卷积核对神经元大小的设置 #这里kerner_size = 2*5 class CONV_NET(torch.nn.Module): #CONV_NET类继承nn.Module类 def __init__(self): super(CONV_NET, self).__init__() #使CONV_NET类包含父类nn.Module的所有属性 # super()需要两个实参，子类名和对象self self.conv1 = nn.Conv2d(1, 32, (2, 5), 1, padding=0) self.conv2 = nn.Conv2d(32, 1

提出一种NNC-PID电液位置伺服控制系统的设计方法。采用PC机+DSP为主控制器，NNC自学习、自适应对PID参数自整定的控制算法，以满足在非线性、参数时变性、不确定性条件下，对机械手电液位置伺服系统进行高精度和快速响应的控制要求。与常规PID控制的对比实验表明，该系统由于具有自学习和实时调整PID参数的能力，使系统很快收敛于位置稳态值，同时对参数时变表现出良好的鲁棒性，很好地解决了液压系统的非线性和参数时变问题，具有良好的定位精度和伺服跟踪性能。