| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-21页 |
| 1.1 课题研究的背景及意义 | 第11-13页 |
| 1.2 递归脉冲神经网络监督学习的研究现状 | 第13-16页 |
| 1.3 基于神经网络的图像识别研究进展 | 第16-18页 |
| 1.4 论文的主要研究内容及组织结构 | 第18-21页 |
| 1.4.1 论文的主要研究内容 | 第18-20页 |
| 1.4.2 论文组织结构 | 第20-21页 |
| 2 递归脉冲神经网络的相关理论 | 第21-29页 |
| 2.1 递归脉冲神经网络的基本结构 | 第21-23页 |
| 2.2 脉冲神经元响应模型 | 第23-27页 |
| 2.2.1 Hodgkin-Huxley模型 | 第24-25页 |
| 2.2.2 Leaky-integrate-and-Fire模型 | 第25页 |
| 2.2.3 脉冲响应模型 | 第25-27页 |
| 2.3 脉冲序列的信息编码方法 | 第27-28页 |
| 2.3.1 线性编码 | 第27页 |
| 2.3.2 Time-To-First-Spike编码 | 第27-28页 |
| 2.3.3 相位编码 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 递归脉冲神经网络的监督学习算法 | 第29-36页 |
| 3.1 递归脉冲神经网络结构 | 第29页 |
| 3.2 脉冲响应模型 | 第29-30页 |
| 3.3 构造误差函数 | 第30-31页 |
| 3.4 递归脉冲神经网络的监督学习算法 | 第31-35页 |
| 3.4.1 输出层突触权值的误差梯度计算 | 第31-33页 |
| 3.4.2 隐含层突触权值的误差梯度计算 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 脉冲序列的学习过程分析 | 第36-44页 |
| 4.1 多脉冲学习的基本思想 | 第36-38页 |
| 4.2 单脉冲序列学习过程 | 第38-40页 |
| 4.3 多脉冲序列学习过程 | 第40-41页 |
| 4.4 多任务脉冲序列学习过程 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 基于递归脉冲神经网络的图像识别 | 第44-51页 |
| 5.1 图像识别算法及Latency-Phase编码 | 第44-46页 |
| 5.2 网络结构和图像编码 | 第46-49页 |
| 5.3 LabelMe图像数据集分类及实验结果分析 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 研究展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士期间学术成果 | 第57-58页 |
| 致谢 | 第58页 |
