| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 研究现状及发展态势 | 第11-13页 |
| 1.2.1 Spiking神经元与监督学习算法的研究 | 第11-12页 |
| 1.2.2 Spiking神经网络动态结构的研究 | 第12-13页 |
| 1.2.3 Spiking神经网络多层结构的研究 | 第13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 Spiking神经网络介绍 | 第16-29页 |
| 2.1 Spiking神经元模型 | 第16-19页 |
| 2.2 信息编码 | 第19-21页 |
| 2.3 Spiking神经网络基本结构 | 第21-24页 |
| 2.3.1 前馈与递归结构 | 第21-22页 |
| 2.3.2 动态结构 | 第22-24页 |
| 2.4 经典算法 | 第24-27页 |
| 2.4.1 基于梯度下降规则的监督学习算法 | 第24-26页 |
| 2.4.2 基于突触可塑性的监督学习算法 | 第26-27页 |
| 2.5 Spiking神经网络的应用 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 动态自适应模型 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 动态自适应单层模型 | 第30-34页 |
| 3.2.1 信息编码 | 第30-33页 |
| 3.2.2 网络结构 | 第33-34页 |
| 3.3 动态网络自适应学习策略 | 第34-38页 |
| 3.3.1 基于次序学习的动态策略 | 第34-35页 |
| 3.3.2 基于精确时间学习的动态策略 | 第35-36页 |
| 3.3.3 新的动态自适应策略 | 第36-38页 |
| 3.4 具体流程 | 第38-39页 |
| 3.5 实验与分析 | 第39-44页 |
| 3.5.1 数据集 | 第39-40页 |
| 3.5.2 实验结果 | 第40页 |
| 3.5.3 对比实验 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 动态自适应模型的扩展 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 动态自适应分类多层模型 | 第46-49页 |
| 4.2.1 设计思路 | 第46-47页 |
| 4.2.2 简单多层模型 | 第47-49页 |
| 4.3 动态自适应分类模型的多层算法 | 第49-52页 |
| 4.3.1 参数学习阶段 | 第49-51页 |
| 4.3.2 结构学习阶段 | 第51-52页 |
| 4.3.3 学习流程 | 第52页 |
| 4.4 实验与分析 | 第52-55页 |
| 4.4.1 数据集和实验结果 | 第52-53页 |
| 4.4.2 对比实验与结果 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 动态自适应模型在模式识别问题中的应用 | 第56-67页 |
| 5.1 引言 | 第56-57页 |
| 5.2 动态自适应模型在简单模式识别问题中的应用 | 第57-59页 |
| 5.2.1 高斯编码分析 | 第57-58页 |
| 5.2.2 神经元动态变化分析 | 第58页 |
| 5.2.3 参数影响分析 | 第58-59页 |
| 5.3 动态自适应模型在人脸识别问题中的应用 | 第59-62页 |
| 5.3.1 数据集 | 第60-61页 |
| 5.3.2 模型描述 | 第61-62页 |
| 5.4 适合人脸识别的模型仿真实验 | 第62-66页 |
| 5.4.1 仿真环境选择 | 第63页 |
| 5.4.2 仿真实验与结果 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间获得的成果 | 第74页 |