| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 1 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 脉冲神经网络的基本理论 | 第13-18页 |
| 1.2.1 生物神经元的结构描述 | 第13-14页 |
| 1.2.2 脉冲神经元模型的分析 | 第14-15页 |
| 1.2.3 脉冲神经网络的结构分类 | 第15-17页 |
| 1.2.4 脉冲神经网络的学习算法 | 第17-18页 |
| 1.3 深度信念网络的研究现状 | 第18-21页 |
| 1.3.1 深度信念网络的结构特点 | 第18-19页 |
| 1.3.2 深度信念网络的学习算法 | 第19-20页 |
| 1.3.3 脉冲深度信念网络的分析 | 第20-21页 |
| 1.3.4 深度信念网络的实际应用 | 第21页 |
| 1.4 fMRI基础与原理概述 | 第21-22页 |
| 1.4.1 fMRI成像原理 | 第21-22页 |
| 1.4.2 fMRI数据结构与分析 | 第22页 |
| 1.5 论文的研究内容及组织结构 | 第22-24页 |
| 1.5.1 主要研究内容 | 第22-23页 |
| 1.5.2 论文组织结构 | 第23-24页 |
| 2 神经信息的脉冲编码策略 | 第24-29页 |
| 2.1 基于脉冲频率的编码策略 | 第24-25页 |
| 2.1.1 基于脉冲计数的频率编码 | 第24-25页 |
| 2.1.2 时间相关的脉冲频率编码 | 第25页 |
| 2.2 基于脉冲精确定时的编码策略 | 第25-27页 |
| 2.2.1 首脉冲时间编码 | 第26页 |
| 2.2.2 脉冲延迟编码 | 第26页 |
| 2.2.3 脉冲相位编码 | 第26-27页 |
| 2.2.4 线性编码 | 第27页 |
| 2.3 fMRI的脉冲序列编码策略 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 脉冲深度信念网络的学习算法 | 第29-41页 |
| 3.1 脉冲深度信念网络的结构 | 第29-30页 |
| 3.2 脉冲时间依赖可塑性学习规则 | 第30-31页 |
| 3.3 脉冲深度信念网络的无监督预训练方法 | 第31-33页 |
| 3.3.1 深度信念网络的传统CD算法 | 第31-32页 |
| 3.3.2 基于TSTDP的脉冲驱动CD算法 | 第32-33页 |
| 3.4 脉冲深度信念网络的监督学习算法 | 第33-39页 |
| 3.4.1 基于突触可塑性的脉冲监督学习算法 | 第33-34页 |
| 3.4.2 基于TSTDP的改进ReSuMe监督学习算法 | 第34-35页 |
| 3.4.3 实验结果与分析 | 第35-39页 |
| 3.5 本章小结 | 第39-41页 |
| 4 基于脉冲深度信念网络的fMRI分类 | 第41-48页 |
| 4.1 静息态fMRI的模式分类 | 第41-42页 |
| 4.2 ADHD分类数据集 | 第42-43页 |
| 4.3 fMRI数据的预处理与脉冲编码 | 第43-44页 |
| 4.4 脉冲深度信念网络对fMRI分类过程 | 第44-45页 |
| 4.4.1 脉冲深度信念网络的无监督预训练 | 第44-45页 |
| 4.4.2 脉冲深度信念网络的监督训练 | 第45页 |
| 4.5 fMRI分类实验结果与分析 | 第45-47页 |
| 4.5.1 脉冲深度信念网络的参数设置 | 第45-46页 |
| 4.5.2 fMRI分类结果 | 第46-47页 |
| 4.5.3 实验分析与讨论 | 第47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48页 |
| 5.2 研究展望 | 第48-50页 |
| 6 参考文献 | 第50-55页 |
| 7 攻读硕士学位期间的学术成果 | 第55-56页 |
| 致谢 | 第56页 |