| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 课题研究背景和发展现状 | 第16-18页 |
| 1.2 课题研究意义 | 第18页 |
| 1.3 本文主要内容和创新点 | 第18-19页 |
| 1.4 本文章节结构安排 | 第19-20页 |
| 第二章 神经元模型研究 | 第20-36页 |
| 2.1 传统人工神经元模型 | 第20-23页 |
| 2.1.1 感知器单元 | 第20-21页 |
| 2.1.2 线性单元 | 第21页 |
| 2.1.3 可微阈值单元 | 第21-23页 |
| 2.2 脉冲神经元模型 | 第23-34页 |
| 2.2.1 霍奇金–赫胥黎模型 | 第23-26页 |
| 2.2.2 Leaky Integrate and Fire Model（LIF） | 第26-28页 |
| 2.2.3 Izhikevich Model | 第28-29页 |
| 2.2.4 Spike Response Model （SRM） | 第29-32页 |
| 2.2.5 Thorpe Model | 第32-33页 |
| 2.2.6 本论文采用的神经元模型 | 第33-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 神经编码 | 第36-44页 |
| 3.1 引言 | 第36-37页 |
| 3.2 频率编码 | 第37-41页 |
| 3.2.1 频率为脉冲计数（对时间的平均） | 第37-39页 |
| 3.2.2 频率为脉冲密度（对运行次数平均） | 第39-40页 |
| 3.2.3 频率为集群活动（对许多神经元求平均） | 第40-41页 |
| 3.3 脉冲编码 | 第41-43页 |
| 3.3.1 Time-to-First-Spike | 第41-42页 |
| 3.3.2 相位 | 第42-43页 |
| 3.3.3 相关性和同步性 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 STDP学习机制研究 | 第44-50页 |
| 4.1 引言 | 第44页 |
| 4.2 二脉冲STDP | 第44-46页 |
| 4.3 三脉冲STDP | 第46-48页 |
| 4.4 脉冲配对方案 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 网络结构研究 | 第50-60页 |
| 5.1 引言 | 第50-51页 |
| 5.2 Hamming网络 | 第51-55页 |
| 5.2.1 Hamming网络结构 | 第51-52页 |
| 5.2.2 Hamming网络侧抑制过程 | 第52-54页 |
| 5.2.3 Hamming网络学习过程 | 第54-55页 |
| 5.3 竞争性脉冲神经网络 | 第55-58页 |
| 5.4 本论文所采用网络 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 基于STDP的脉冲神经网络在数字识别中的应用 | 第60-68页 |
| 6.1 MNIST数据库介绍 | 第60页 |
| 6.2 Brian脉冲神经网络仿真器介绍 | 第60页 |
| 6.3 训练、分配标签和测试过程 | 第60-65页 |
| 6.3.1 训练过程 | 第60-62页 |
| 6.3.2 分配标签过程 | 第62-63页 |
| 6.3.3 测试过程 | 第63-65页 |
| 6.4 两种分类方法的比较 | 第65页 |
| 6.5 不同神经元时识别结果对比 | 第65-66页 |
| 6.6 本章小结 | 第66-68页 |
| 第七章 总结与展望 | 第68-72页 |
| 7.1 总结 | 第68-69页 |
| 7.2 展望 | 第69-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
