| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-18页 |
| ·人工神经网络 | 第11-12页 |
| ·人工神经网络研究方向 | 第12-15页 |
| ·神经网络结构研究 | 第12-13页 |
| ·神经网络集成研究 | 第13页 |
| ·基于人工神经网络的交叉研究 | 第13-15页 |
| ·嗅觉神经网络研究 | 第15-17页 |
| ·论文结构 | 第17-18页 |
| 第二章 嗅觉神经系统和K系列模型 | 第18-48页 |
| ·引言 | 第18-19页 |
| ·嗅觉神经系统 | 第19-22页 |
| ·K系列模型 | 第22-29页 |
| ·K0、KⅠ和KⅡ模型 | 第23-25页 |
| ·KⅢ模型 | 第25-29页 |
| ·K系列模型数值分析 | 第29-38页 |
| ·K0模型数值分析 | 第29页 |
| ·KⅠ模型数值分析 | 第29-30页 |
| ·KⅡ模型数值分析 | 第30-36页 |
| ·KⅢ模型数值分析 | 第36-38页 |
| ·基于小世界网络理论的KⅢ模型结构分析 | 第38-45页 |
| ·小世界网络模型 | 第40-41页 |
| ·小波分解 | 第41-43页 |
| ·分析结果 | 第43-45页 |
| ·结论 | 第45-48页 |
| 第三章 基于单一KⅢ模型的模式识别研究 | 第48-94页 |
| ·引言 | 第48-50页 |
| ·KⅢ模型用于模式识别的学习规则 | 第50-51页 |
| ·KⅢ模型在模式识别中的系统状态分析 | 第51-56页 |
| ·基于单一KⅢ模型对输入恒定的模式识别研究 | 第56-78页 |
| ·人脸识别 | 第56-67页 |
| ·文本分类 | 第67-72页 |
| ·数字语音识别 | 第72-78页 |
| ·基于单一KⅢ模型对输入变化的模式识别研究 | 第78-92页 |
| ·输入变化时的模式识别流程 | 第80-81页 |
| ·实验指标 | 第81-82页 |
| ·数字语音识别 | 第82-85页 |
| ·脑电分类 | 第85-92页 |
| ·结论 | 第92-94页 |
| 第四章 结合直推式信任机器的KⅢ模型研究 | 第94-108页 |
| ·引言 | 第94-95页 |
| ·直推式信任机器 | 第95-96页 |
| ·结合TCM的KⅢ模型及其应用研究 | 第96-105页 |
| ·结合TCM的KⅢ模型 | 第96-98页 |
| ·气体识别 | 第98-102页 |
| ·脑电识别 | 第102-105页 |
| ·结论 | 第105-108页 |
| 第五章 基于简化嗅觉神经系统仿生模型的纹理图像生成研究 | 第108-120页 |
| ·引言 | 第108-109页 |
| ·简化的嗅觉神经系统仿生模型 | 第109-113页 |
| ·嗅觉神经系统 | 第109页 |
| ·基于嗅觉神经系统的简化仿生模型 | 第109-113页 |
| ·基于简化嗅觉模型的纹理图像生成 | 第113-115页 |
| ·纹理图像生成算法 | 第113页 |
| ·性能模拟 | 第113-115页 |
| ·结论 | 第115-120页 |
| 第六章 结论和将来的工作 | 第120-124页 |
| ·结论 | 第120-122页 |
| ·对仿生模型研究的结论 | 第120-121页 |
| ·对模型应用研究的结论 | 第121-122页 |
| ·将来的工作 | 第122-124页 |
| 参考文献 | 第124-142页 |
| 致谢 | 第142-144页 |
| 个人简介和科研情况 | 第144-148页 |