| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 储备池计算研究背景及意义 | 第8页 |
| 1.2 本课题国内外研究现状 | 第8-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 2 储备池神经计算模型 | 第12-24页 |
| 2.1 引言 | 第12页 |
| 2.2 回响状态网络（ESN） | 第12-15页 |
| 2.2.1 回响状态神经网络计算模型 | 第12-14页 |
| 2.2.2 网络训练算法 | 第14-15页 |
| 2.3 概念机递归神经网络（Conceptor） | 第15-22页 |
| 2.3.1 概念机的计算机制模型 | 第16-19页 |
| 2.3.2 概念机的逻辑操作 | 第19页 |
| 2.3.3 自发式概念机计算模型 | 第19-20页 |
| 2.3.4 概念机网络的记忆管理 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 基于先验数据导向的多簇ESN储备池 | 第24-38页 |
| 3.1 皮质层多簇网络 | 第24-28页 |
| 3.1.1 皮质层多簇网络构建算法 | 第24-26页 |
| 3.1.2 复杂网络基本测度 | 第26页 |
| 3.1.3 网络结构分析及参数选择 | 第26-28页 |
| 3.2 基于先验数据导向的多簇储备池 | 第28-29页 |
| 3.3 Mackey-Glass混沌时间序列预测实验 | 第29-37页 |
| 3.3.1 实验设计 | 第29-31页 |
| 3.3.2 实验结果及分析 | 第31-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于内部可塑性的多簇ESN储备池 | 第38-48页 |
| 4.1 神经元的内部可塑性 | 第38-39页 |
| 4.2 两种IP规则的算法分析 | 第39-42页 |
| 4.3 基于IP规则的多簇ESN储备池构建 | 第42页 |
| 4.4 NARMA混沌时间序列预测实验 | 第42-47页 |
| 4.4.1 实验设计 | 第42-44页 |
| 4.4.2 实验结果及分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 基于相空间重构法的概念机储备池计算 | 第48-66页 |
| 5.1 根据时间序列构建复杂网络 | 第48-55页 |
| 5.1.1 可见图法建网 | 第48-49页 |
| 5.1.2 相空间重构法建网 | 第49-50页 |
| 5.1.3 几种时间序列的复杂网络结构分析 | 第50-55页 |
| 5.2 基于相空间重构网络的概念机重构实验 | 第55-62页 |
| 5.2.1 自发性概念机的内容寻址记忆系统 | 第55-56页 |
| 5.2.2 混合无理数周期正弦信号的重构实验 | 第56-57页 |
| 5.2.3 实验结果及分析 | 第57-62页 |
| 5.3 概念机递归神经网络的延伸应用 | 第62-64页 |
| 5.4 本章小结 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附录 | 第76页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第76页 |
| B. 作者在攻读硕士学位期间参与的项目 | 第76页 |