摘要 | 第5-7页 |
Abstract | 第7-8页 |
目录 | 第9-12页 |
第一章 绪论 | 第12-30页 |
1.1 计算神经科学 | 第12-13页 |
1.2 嗅觉系统简介 | 第13-14页 |
1.3 嗅觉信息处理的神经环路 | 第14-17页 |
1.3.1 嗅感受神经元 | 第14-16页 |
1.3.2 嗅球(天线叶)内的侧交互作用 | 第16-17页 |
1.4 气味信息编码 | 第17-22页 |
1.4.1 嗅感受神经元的气味信息编码 | 第17-18页 |
1.4.2 天线叶神经元的气味信息编码 | 第18-21页 |
1.4.3 蘑菇体神经元的气味信息编码 | 第21-22页 |
1.5 从神经环路到神经计算 | 第22-27页 |
1.5.1 除法归一化 | 第23页 |
1.5.2 增益控制 | 第23-24页 |
1.5.3 轨迹 | 第24-25页 |
1.5.4 信号相关性与噪声相关性 | 第25-26页 |
1.5.5 振荡 | 第26-27页 |
1.6 本文的主要研究工作 | 第27-30页 |
第二章 分流抑制的单神经元和神经网络模型 | 第30-56页 |
2.1 研究背景和研究目的 | 第30-32页 |
2.2 分流抑制的单神经元模型 | 第32-39页 |
2.2.1 On-path配置 | 第32-36页 |
2.2.2 Out-of-path配置 | 第36-37页 |
2.2.3 分流抑制强度依赖于突触输入位点到胞体的距离 | 第37-38页 |
2.2.4 具有多个树突分支的单神经元模型 | 第38-39页 |
2.3 分流抑制的神经网络模型 | 第39-47页 |
2.3.1 分流抑制介导的神经元持续性放电活动 | 第40-41页 |
2.3.2 持续性放电活动的理论分析 | 第41-43页 |
2.3.3 分流抑制介导的除法归一化 | 第43-46页 |
2.3.4 简化的连续吸引子模型 | 第46-47页 |
2.4 讨论 | 第47-49页 |
2.4.1 持续性放电活动 | 第48-49页 |
2.4.2 除法归一化 | 第49页 |
2.5 方法 | 第49-54页 |
2.5.1 简化的神经元模型 | 第49-52页 |
2.5.2 具有多个树突分支的神经元动力学方程 | 第52-53页 |
2.5.3 网络持续性放电活动的稳定性分析 | 第53-54页 |
2.6 本章小结 | 第54-56页 |
第三章 一个标准神经环路的模型分析 | 第56-74页 |
3.1 嗅觉系统气味浓度的不变性表示 | 第56-61页 |
3.1.1 研究背景与目的 | 第56-57页 |
3.1.2 模型 | 第57-58页 |
3.1.3 投射神经元响应曲线的输入性增益控制 | 第58-59页 |
3.1.4 气味信息的浓度不变性表示 | 第59-60页 |
3.1.5 结论 | 第60-61页 |
3.2 自适应微分计算的神经环路 | 第61-72页 |
3.2.1 研究背景与目的 | 第61-63页 |
3.2.2 模型 | 第63-65页 |
3.2.3 平均场分析 | 第65-66页 |
3.2.4 滤波器的估计 | 第66-67页 |
3.2.5 理想微分运算 | 第67-68页 |
3.2.6 刺激信号的自适应滤波 | 第68-70页 |
3.2.7 Weber-Fechner 法则 | 第70-71页 |
3.2.8 结论 | 第71-72页 |
3.3 本章小结 | 第72-74页 |
第四章 果蝇嗅觉系统稀疏编码网络的鲁棒性分析 | 第74-92页 |
4.1 前言 | 第74-75页 |
4.2 结果 | 第75-85页 |
4.2.1 网络模型 | 第75-76页 |
4.2.2 KC发放概率 | 第76-78页 |
4.2.3 稀疏编码实现信息去相关表达 | 第78-79页 |
4.2.4 稀疏编码对噪声的鲁棒性 | 第79-82页 |
4.2.5 信息保真传输的条件 | 第82-84页 |
4.2.6 突触连接模式的设计原则 | 第84-85页 |
4.3 讨论与总结 | 第85-87页 |
4.3.1 模型的假设 | 第86-87页 |
4.3.2 结论 | 第87页 |
4.4 方法 | 第87-88页 |
4.4.1 输入模式重叠为o时KC发放概率的计算 | 第87-88页 |
4.5 本章小结 | 第88-92页 |
第五章 结论与展望 | 第92-96页 |
5.1 结论 | 第92-93页 |
5.2 展望 | 第93-96页 |
参考文献 | 第96-110页 |
攻读博士学位期间取得的研究成果 | 第110-112页 |
致谢 | 第112-113页 |
答辩委员签名的答辩决议书 | 第113页 |