一类脉冲神经网络随机学习方法的研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 本文主要研究工作 | 第9-10页 |
| 1.3 预备知识 | 第10-17页 |
| 1.3.1 对刺激的描述 | 第10-11页 |
| 1.3.2 峰电位序列和放电率 | 第11-13页 |
| 1.3.3 神经元的放电模型 | 第13-16页 |
| 1.3.4 脉冲神经网络的学习算法 | 第16-17页 |
| 1.4 论文的主要研究内容及组织结构 | 第17-19页 |
| 1.4.1 论文的主要研究内容 | 第17-18页 |
| 1.4.2 论文的组织结构 | 第18-19页 |
| 第二章 基于贝叶斯推断的手写字母的分类问题 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 前反馈网络的膜电位积累模型 | 第19-24页 |
| 2.2.1 神经元膜电位积累模型 | 第19-21页 |
| 2.2.2 脉冲神经网络学习的基本理论 | 第21-22页 |
| 2.2.3 STDP规则 | 第22-24页 |
| 2.3 赢者通吃回路的贝叶斯推断 | 第24-27页 |
| 2.3.1 贝叶斯生成概率模型 | 第24-25页 |
| 2.3.2 脉冲神经网络的贝叶斯推断 | 第25页 |
| 2.3.3 手写字母分类的模拟结果 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 两层脉冲神经网络的隐马尔科夫推断模型 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 两层脉冲神经网络的膜电位积累模型 | 第28-30页 |
| 3.3 隐马尔科夫模型 | 第30-33页 |
| 3.3.1 隐马尔科夫模型的简介 | 第30-31页 |
| 3.3.2 隐马尔可夫推断模型 | 第31-33页 |
| 3.4 模型参数的EM算法 | 第33-34页 |
| 3.5 本章总结 | 第34-36页 |
| 第四章 基于脉冲神经网络的编码与解码模型 | 第36-43页 |
| 4.1 引言 | 第36页 |
| 4.2 编码模型 | 第36-39页 |
| 4.2.1 有阈值噪声的泄漏神经元的累计放电模型 | 第36-39页 |
| 4.2.2 指定先验刺激的方程 | 第39页 |
| 4.3 解码模型 | 第39-42页 |
| 4.3.1 无阈值噪声 | 第40-41页 |
| 4.3.2 有阈值噪声 | 第41-42页 |
| 4.4 本章总结 | 第42-43页 |
| 第五章 总结和展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-51页 |
| 致谢 | 第51-52页 |
| 在校期间发表论文情况 | 第52页 |
