自组织映射（SOM）已成功处理的欧式旅行的鹅岭推销员问题（TSP）。通过将其邻域保持财产和 凸包属性数值模拟TSP，我们引入了一个新的SOM如神经网络，称为前panding的SOM（ESOM）的。在每一个学习的迭代，ESOM提请接近的兴奋神经元 输入的城市，并在此期间，推压它们向凸包ofcities合作。 ESOM可能收购邻里保护财产和凸包的属性 的TSP，因此它可以产生接近最优的解决方案。从理论上分析了其可行性 和经验。一个的系列ofexperiments进行合成和基准的T

解决了非线性函数的逼近问题,实现了BP神经网络在非线性函数逼近中的应用。得出了信号的频率与隐含点之间，隐含点与函数逼近能力之间的关系——隐含层神经元数目越多。-Solved the problem of nonlinear function approximation, and realized the application of the BP neural network in nonlinear function approximation. Between signal frequenc

Circulation to the brain is cut off, the neurons are deprived of oxygen, the neurons die