脉冲神经网络的多脉冲定时误差反向传播算法研究
| 西北师范大学研究生学位论文作者信息 | 第1-6页 |
| 目录 | 第6-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-11页 |
| 1 绪论 | 第11-22页 |
| ·选题背景及意义 | 第11页 |
| ·脉冲神经网络监督学习的研究现状 | 第11-13页 |
| ·基于梯度下降的监督学习 | 第12页 |
| ·基于 Hebb 学习规则的监督学习 | 第12-13页 |
| ·脉冲神经网络的基本理论 | 第13-20页 |
| ·脉冲神经元模型概述 | 第14-16页 |
| ·脉冲神经网络的基本结构 | 第16-17页 |
| ·脉冲序列信息编码方案 | 第17-20页 |
| ·论文内容及组织结构 | 第20-22页 |
| 2 多脉冲误差反向传播算法 | 第22-30页 |
| ·脉冲神经网络结构 | 第22页 |
| ·脉冲响应模型 | 第22-23页 |
| ·多脉冲误差反向传播算法 | 第23-29页 |
| ·新型的多脉冲误差函数 | 第24页 |
| ·突触权值的梯度下降学习规则 | 第24页 |
| ·输出层突触权值的误差梯度计算 | 第24-26页 |
| ·隐含层突触权值的误差梯度计算 | 第26-29页 |
| ·小结 | 第29-30页 |
| 3 脉冲序列的学习过程 | 第30-37页 |
| ·单脉冲序列学习任务 | 第30-32页 |
| ·多脉冲序列学习任务 | 第32-34页 |
| ·多任务脉冲序列学习任务 | 第34-36页 |
| ·小结 | 第36-37页 |
| 4 非线性模式分类问题 | 第37-44页 |
| ·Fisher Iris 分类问题 | 第37-40页 |
| ·实验过程 | 第37-39页 |
| ·实验参数分析 | 第39-40页 |
| ·Wisconsin 乳腺癌分类问题 | 第40-43页 |
| ·实验过程 | 第40-42页 |
| ·实验参数分析 | 第42-43页 |
| ·小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·研究展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士期间学术成果 | 第49-50页 |
| 致谢 | 第50页 |
