首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文--一般性问题论文

基于遗传算法—支持向量机的锋电位分类及神经元特性分析

摘要第1-5页
Abstract第5-7页
目录第7-9页
1 绪论第9-15页
   ·神经元锋电位的研究意义第9-10页
   ·国内外研究现状第10-13页
   ·本文主要工作第13-15页
2 大鼠初级视觉皮层锋电位信号的采集第15-25页
   ·动物视觉系统中的信息传输机制第15-19页
     ·动物视觉信息的传递通路第15-19页
     ·V1区中信息处理的特点第19页
   ·实验平台第19-21页
   ·手术方案第21-22页
   ·信号采集第22-24页
   ·小结第24-25页
3 神经元锋电位分类第25-37页
   ·基于GA-SVM算法的神经元锋电位分类第25-33页
     ·支持向量机(SVM)理论第25页
     ·遗传算法(GA)第25-26页
     ·基于GA-SVM算法的神经元锋电位分类第26-33页
   ·基于GA-SVM算法的模板匹配分类第33-36页
     ·选择模板第33-34页
     ·相似度准则第34页
     ·模板匹配分类第34-36页
   ·小结第36-37页
4 V1区神经元细胞特性分析第37-52页
   ·神经元放电同步性分析第37-44页
     ·神经元放电同步性分析结果第38-43页
     ·神经元放电同步性分析结果讨论第43-44页
   ·神经元朝向选择性分析第44-51页
     ·视觉皮层的感受野第44-46页
     ·光栅刺激实验第46-47页
     ·V1区神经元感受野朝向选择性研究第47-51页
   ·小结第51-52页
5 结论与展望第52-54页
   ·结论第52-53页
   ·展望第53-54页
参考文献第54-57页
致谢第57-58页
个人简历、在学期间发表的学术论文与研究成果第58页

论文共58页,点击 下载论文
上一篇:HAP/SiO2复合材料的制备与性能研究
下一篇:剑麻微纤维/改性明胶复合材料的研究