| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 本文的研究目的研究内容 | 第11-12页 |
| 1.3 预备知识 | 第12-18页 |
| 1.3.1 熵、联合熵与条件熵 | 第12-14页 |
| 1.3.2 最大熵原理 | 第14-15页 |
| 1.3.3 生物神经集群及其反应 | 第15-18页 |
| 第二章 基于最大熵方法的方向判别概率模型 | 第18-25页 |
| 2.1 引言 | 第18-19页 |
| 2.2 高阶最大熵模型与方向判别 | 第19-23页 |
| 2.2.1 方向判别试验与参数 | 第19页 |
| 2.2.2 包含空间相关性的最大熵模型 | 第19-21页 |
| 2.2.3 方向判别方法与结果 | 第21-23页 |
| 2.3 数值计算与分析 | 第23-24页 |
| 2.4 本章总结 | 第24-25页 |
| 第三章 时间相关性对方向判别的影响研究 | 第25-34页 |
| 3.1 引言 | 第25-26页 |
| 3.2 高阶时空相关性最大熵模型 | 第26-29页 |
| 3.2.1 只含有成对空间相关性 | 第26-27页 |
| 3.2.2 包含空间和一步时间相关性 | 第27-28页 |
| 3.2.3 包含空间和两步时间相关性 | 第28-29页 |
| 3.3 模型计算与结果分析 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 放电模式下神经元集群相关性对刺激的区分模型 | 第34-41页 |
| 4.1 引言 | 第34页 |
| 4.2 模型与方法 | 第34-38页 |
| 4.2.1 基于神经元集群的高阶最大熵模型 | 第34-36页 |
| 4.2.2 外界刺激下的条件熵模型 | 第36-37页 |
| 4.2.3 指数型整合放电模型(EIF) | 第37-38页 |
| 4.3 模型与与数值模拟 | 第38-39页 |
| 4.4 结果分析 | 第39-40页 |
| 4.5 本章总结 | 第40-41页 |
| 第五章 总结和展望 | 第41-43页 |
| 5.1 总结 | 第41-42页 |
| 5.2 展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 在校期间的研究成果及发表的学术论文 | 第48页 |