| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-26页 |
| 1.1 课题背景及研究意义 | 第10-13页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 空间表达方法研究 | 第13-14页 |
| 1.3 鼠脑海马结构研究 | 第14-19页 |
| 1.3.1 鼠脑海马结构信息传递通路 | 第14-15页 |
| 1.3.2 鼠脑海马结构空间认知相关细胞 | 第15-18页 |
| 1.3.3 神经生理学计算基础 | 第18-19页 |
| 1.4 海马结构空间认知机理及其应用的研究 | 第19-23页 |
| 1.4.1 海马结构空间认知机理 | 第20页 |
| 1.4.2 基于海马结构局部特性的移动机器人导航 | 第20-22页 |
| 1.4.3 基于海马结构全通路的移动机器人导航 | 第22-23页 |
| 1.5 研究内容及论文安排 | 第23-26页 |
| 第2章 基于CAN-OI混合模型的网格野生成模型 | 第26-44页 |
| 2.1 引言 | 第26-27页 |
| 2.2 网格细胞CAN模型和OI模型 | 第27-30页 |
| 2.3 基于CAN-OI混合模型的网格野生成模型 | 第30-36页 |
| 2.3.1 基于速度细胞的运动速度感知系统 | 第30-32页 |
| 2.3.2 CAN-OI混合模型 | 第32-35页 |
| 2.3.3 误差矫正措施 | 第35-36页 |
| 2.4 基于脉冲神经网络的算法实现 | 第36-40页 |
| 2.4.1 神经信号编码方式 | 第36-37页 |
| 2.4.2 脉冲神经元模型 | 第37-38页 |
| 2.4.3 脉冲神经网络结构 | 第38-39页 |
| 2.4.4 STDP学习规则 | 第39-40页 |
| 2.5 仿真实验结果分析 | 第40-42页 |
| 2.6 本章小结 | 第42-44页 |
| 第3章 基于多通路的位置野生成模型 | 第44-54页 |
| 3.1 引言 | 第44-45页 |
| 3.2 常见的位置野计算模型 | 第45-46页 |
| 3.3 基于多通路的位置野计算模型 | 第46-50页 |
| 3.3.1 位置细胞信息通路 | 第46-48页 |
| 3.3.2 位置细胞重映射现象及其机理 | 第48-49页 |
| 3.3.3 基于多通路的位置野计算模型 | 第49-50页 |
| 3.4 基于多通路的位置野计算模型算法实现 | 第50-52页 |
| 3.5 仿真实验结果分析 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 联合网格细胞地图与位置细胞地图的海马认知地图 | 第54-64页 |
| 4.1 引言 | 第54-55页 |
| 4.2 网格细胞地图与位置细胞地图 | 第55-56页 |
| 4.3 网格细胞地图块的瓦片组织 | 第56-60页 |
| 4.3.1 网格细胞地图块的模块化属性 | 第56-57页 |
| 4.3.2 网格地图块聚类 | 第57-59页 |
| 4.3.3 基于地图瓦片的网格细胞地图块组织方法 | 第59-60页 |
| 4.4 海马认知地图 | 第60-62页 |
| 4.4.1 层级模型 | 第60-61页 |
| 4.4.2 基于层级模型的海马认知地图 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间取得的学术成果 | 第72-74页 |
| 致谢 | 第74页 |