| 摘要 | 第1-7页 |
| ABSTRACT | 第7-17页 |
| 第一部分 引论 | 第17-57页 |
| 第一章 绪言 | 第19-37页 |
| §1.1 研究背景及意义 | 第19-25页 |
| §1.1.1 神秘的人脑 | 第19页 |
| §1.1.2 一门交叉学科的诞生——神经科学 | 第19-20页 |
| §1.1.3 神经科学的重大科技成就与脑科学时代 | 第20-21页 |
| §1.1.4 神经科学的重大意义 | 第21页 |
| §1.1.5 神经科学的一个专门领域——计算神经科学 | 第21-22页 |
| §1.1.6 计算神经科学的研究内容与重要意义 | 第22-23页 |
| §1.1.7 离子通道及门控动力:Markov链模型 | 第23-24页 |
| §1.1.8 人工神经网络及重要性 | 第24-25页 |
| §1.1.9 生物神经网络及重要性 | 第25页 |
| §1.2 国内外研究现状 | 第25-30页 |
| §1.2.1 离子通道Markov链模型的现状 | 第25-28页 |
| §1.2.2 生物神经网络学习的现状 | 第28-30页 |
| §1.3 选题依据 | 第30-32页 |
| §1.3.1 使用极大似然方法的不足 | 第30页 |
| §1.3.2 离子通道门控动力统计的新方法——Markov链反演法 | 第30-31页 |
| §1.3.3 将ANN的学习理论引入BNN | 第31-32页 |
| §1.4 主要研究工作及成果 | 第32-37页 |
| §1.4.1 主要研究工作及成果 | 第32-33页 |
| §1.4.2 论文的组织结构 | 第33-37页 |
| 第二章 预备知识 | 第37-57页 |
| §2.1 离子通道及Markov链门控动力模型 | 第37-41页 |
| §2.1.1 离子通道及单通道记录 | 第37-40页 |
| §2.1.2 Markov链门控动力模型 | 第40-41页 |
| §2.2 神经元与神经元模型 | 第41-46页 |
| §2.2.1 神经元 | 第41-42页 |
| §2.2.2 行为势(spike) | 第42-44页 |
| §2.2.3 兴奋与抑制突触 | 第44-45页 |
| §2.2.4 IF模型 | 第45页 |
| §2.2.5 相关性 | 第45-46页 |
| §2.3 随机过程 | 第46-50页 |
| §2.3.1 更新过程及连续逼近 | 第46-47页 |
| §2.3.2 Markov链基本概念 | 第47-50页 |
| §2.4 人工神经网络 | 第50-56页 |
| §2.4.1 感知器 | 第50-52页 |
| §2.4.2 网络结构 | 第52-53页 |
| §2.4.3 学习 | 第53-56页 |
| §2.5 说明和记号 | 第56-57页 |
| 第二部分 离子通道转移速率的确定 | 第57-167页 |
| 第三章 几类基本Markov链转移速率的确定 | 第59-143页 |
| §3.1 基本定理 | 第59-65页 |
| §3.1.1 生存和死亡时间的概率密度函数 | 第59-62页 |
| §3.1.2 死亡(生存)时间分布的各阶导数与转移速率之间的约束方程组 | 第62-64页 |
| §3.1.3 Markov链反演法(MCBM) | 第64-65页 |
| §3.2 环形Markov链转移速率的确定 | 第65-77页 |
| §3.2.1 对状态0的观测 | 第65-68页 |
| §3.2.2 对状态N的观测 | 第68-69页 |
| §3.2.3 对状态集{0,N}的观测 | 第69页 |
| §3.2.4 主要结论及算法 | 第69-77页 |
| §3.3 线形Markov链转移速率的确定 | 第77-85页 |
| §3.3.1 由一个状态的观测确定其转移速率 | 第77-81页 |
| §3.3.2 由两相邻状态的观测确定其转移速率 | 第81-85页 |
| §3.4 星形分枝Markov链转移速率的确定 | 第85-102页 |
| §3.4.1 由各分枝末端状态的观测确定转移速率 | 第86-91页 |
| §3.4.2 由中心状态O及其相邻状态E_(N_k)~(k)(1≤k≤m)的观测确定其转移速率 | 第91-101页 |
| §3.4.3 由每个分枝中任意两相邻状态的观测确定其转移速率 | 第101-102页 |
| §3.5 星形Markov链转移速率的确定 | 第102-105页 |
| §3.5.1 由中心状态0的观测确定转移速率 | 第103-104页 |
| §3.5.2 由各末端状态1,2,…,N的观测确定转移速率 | 第104-105页 |
| §3.6 层次模型Markov链转移速率的确定 | 第105-112页 |
| §3.6.1 由底层状态的观测确定转移速率 | 第106-109页 |
| §3.6.2 由中层状态的观测确定转移速率 | 第109-112页 |
| §3.7 带环Markov链转移速率的确定 | 第112-130页 |
| §3.7.1 由3个状态的观测确定转移速率 | 第113-122页 |
| §3.7.2 一类特殊带环离子通道的转移速率:由2个状态的观测确定 | 第122-124页 |
| §3.7.3 最简单的带环离子通道的转移速率:由2个状态的观测确定 | 第124-130页 |
| §3.8 数例 | 第130-143页 |
| §3.8.1 线性Markov链数例 | 第130-133页 |
| §3.8.2 环形Markov链数例 | 第133-134页 |
| §3.8.3 星形分枝Markov链数例 | 第134-138页 |
| §3.8.4 层次Markov链数例 | 第138-140页 |
| §3.8.5 带环Markov链数例 | 第140-143页 |
| 第四章 一般Markov链转移速率的确定 | 第143-161页 |
| §4.1 Markov链子模型的转移速率的确定 | 第143-150页 |
| §4.1.1 线形Markov链子模型的转移速率的确定 | 第143-145页 |
| §4.1.2 环形Markov链子模型的转移速率的确定 | 第145-146页 |
| §4.1.3 一类特殊环形Markov链子模型的转移速率:由两相邻状态的观测确定 | 第146-150页 |
| §4.2 基本结论和准则 | 第150-161页 |
| §4.2.1 对单个状态i和两个状态{i,j}观测的基本结论 | 第150-152页 |
| §4.2.2 可确定性(Identification) | 第152-153页 |
| §4.2.3 等价性 | 第153-154页 |
| §4.2.4 一些特殊离子通道的可确定性 | 第154-156页 |
| §4.2.5 确定Markov链转移速率的其它约束方程 | 第156-161页 |
| 第五章 通道结构和误差传播探讨 | 第161-167页 |
| §5.1 确定离子通道的Markov链结构 | 第161-165页 |
| §5.2 误差传播 | 第165-167页 |
| 第三部分 生物神经网络的学习 | 第167-243页 |
| 第六章 一阶Spiking感知器 | 第169-191页 |
| §6.1 单层感知器及应用 | 第169-183页 |
| §6.1.1 Spiking网络 | 第169-171页 |
| §6.1.2 学习算法 | 第171-172页 |
| §6.1.3 应用 | 第172-183页 |
| §6.2 多层感知器及应用 | 第183-188页 |
| §6.2.1 学习算法 | 第184-187页 |
| §6.2.2 应用:两层网络的输出决策界 | 第187-188页 |
| §6.3 讨论 | 第188-191页 |
| 第七章 二阶Spiking感知器 | 第191-221页 |
| §7.1 网络结构 | 第191-194页 |
| §7.2 学习规则 | 第194-199页 |
| §7.2.1 输出层(?)E/(?)ω_(ij)~((k)) | 第195-197页 |
| §7.2.2 隐藏层(?)E/(?)ω_(ij)~((m))(m=1,…,k-1) | 第197-199页 |
| §7.3 应用 | 第199-215页 |
| §7.3.1 Ⅰ:单层感知器(无隐藏层情形) | 第200-210页 |
| §7.3.2 Ⅱ:多层感知器(1个隐藏层情形) | 第210-211页 |
| §7.3.3 Ⅲ:模拟手臂运动轨道 | 第211-215页 |
| §7.4 学习效果 | 第215-218页 |
| §7.5 总结 | 第218-221页 |
| 第八章 广义二阶Spiking感知器 | 第221-241页 |
| §8.1 网络结构 | 第221-223页 |
| §8.2 学习规则 | 第223-232页 |
| §8.2.1 输出层(?)E/(?)ω_(ij)~((k),ix) | 第224-227页 |
| §8.2.2 隐藏层(?)E/(?)ω_(ij)~((m))(m=1,…,k-1) | 第227-232页 |
| §8.3 应用 | 第232-235页 |
| §8.4 讨论 | 第235-241页 |
| 第九章 结语 | 第241-243页 |
| 参考文献 | 第243-255页 |
| 攻读博士学位期间已发表的论文 | 第255-257页 |
| 致谢 | 第257-259页 |
