| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 课题背景与研究意义 | 第11-13页 |
| 1.2 神经元建模相关工作 | 第13-20页 |
| 1.2.1 仿真模型 | 第14页 |
| 1.2.2 线性模型 | 第14-15页 |
| 1.2.3 投影模型 | 第15-17页 |
| 1.2.4 通用线性模型 | 第17-18页 |
| 1.2.5 拟合优度统计量 | 第18-20页 |
| 1.3 本文章节设计 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第2章 传统脉冲信号建模方法 | 第22-33页 |
| 2.1 引言 | 第22页 |
| 2.2 线性模型 | 第22-25页 |
| 2.2.1 一阶线性模型 | 第22-23页 |
| 2.2.2 高阶线性模型 | 第23-24页 |
| 2.2.3 线性模型总结 | 第24-25页 |
| 2.3 投影映射模型 | 第25-29页 |
| 2.3.1 Spike Triggered Average | 第25-27页 |
| 2.3.2 Spike Triggered Covariance | 第27-28页 |
| 2.3.3 投影映射模型总结 | 第28-29页 |
| 2.4 泊松通用线性模型 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 实验设计与数据预处理 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 实验设计 | 第33-37页 |
| 3.2.1 植入微电极阵列 | 第34页 |
| 3.2.2 信号采集过程 | 第34-35页 |
| 3.2.3 猕猴实验环境 | 第35-36页 |
| 3.2.4 认知实验范式 | 第36-37页 |
| 3.3 数据处理 | 第37-39页 |
| 3.3.1 信道筛除与划分 | 第37-38页 |
| 3.3.2 原始信号离散化 | 第38页 |
| 3.3.3 构建模型自变量 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于Poisson-GLM的脉冲信号拓展模型 | 第41-54页 |
| 4.1 引言 | 第41页 |
| 4.2 拟合优度统计量 | 第41-45页 |
| 4.2.1 Time Rescaling Theorem | 第42-44页 |
| 4.2.2 Discrete Time Rescaling Theorem | 第44-45页 |
| 4.3 Blending-GLM | 第45-48页 |
| 4.3.1 构建思路 | 第45-46页 |
| 4.3.2 模型细节 | 第46-48页 |
| 4.4 DTRKS-GLM | 第48-52页 |
| 4.4.1 构建思路 | 第48-50页 |
| 4.4.2 模型细节 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 模型性能比较 | 第54-66页 |
| 5.1 引言 | 第54页 |
| 5.2 基于DTRKS的模型拟合优度比较 | 第54-59页 |
| 5.2.1 各类模型总体性能比较 | 第54-56页 |
| 5.2.2 各类模型对应的DTRKS图比较 | 第56-58页 |
| 5.2.3 各类模型生成的概率序列比较 | 第58-59页 |
| 5.3 模型拟合优度影响因素 | 第59-62页 |
| 5.3.1 通道脉冲发放率对DTRKS的影响 | 第59-61页 |
| 5.3.2 滑动窗口大小对DTRKS的影响 | 第61-62页 |
| 5.4 基于GLM的模型可解释性讨论 | 第62-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第6章 工作总结与展望 | 第66-69页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 未来展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间主要的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
