摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第10-20页 |
1.1 神经网络的产生与发展 | 第10-11页 |
1.2 神经网络的特点 | 第11-12页 |
1.3 脉冲神经网络概述 | 第12-18页 |
1.3.1 脉冲神经网络发展 | 第12-16页 |
1.3.2 脉冲神经网络鲁棒性研究现状 | 第16-18页 |
1.4 本论文的主要内容与结构安排 | 第18-20页 |
第二章 脉冲神经网络分析 | 第20-30页 |
2.1 脉冲神经网络生物原理 | 第20-21页 |
2.2 脉冲神经元模型 | 第21-24页 |
2.2.1 LIF模型 | 第22-23页 |
2.2.2 SRM模型 | 第23-24页 |
2.3 脉冲神经网络学习算法 | 第24-29页 |
2.3.1 ReSuMe学习算法 | 第25-26页 |
2.3.2 PBSNLR学习算法 | 第26-27页 |
2.3.3 DL-ReSuMe学习算法 | 第27-29页 |
2.4 本章小结 | 第29-30页 |
第三章 线性动态阈值与EDL-ReSuMe | 第30-41页 |
3.1 线性动态阈值 | 第30-34页 |
3.1.1 (?)t_d时间线性动态阈值 | 第31-32页 |
3.1.2 (?)_d时间线性动态阈值 | 第32-34页 |
3.2 基于线性动态阈值的L-ReSuMe学习算法 | 第34-35页 |
3.3 基于时延的EDL-ReSuMe学习算法 | 第35-39页 |
3.4 LEDL-ReSuMe学习算法 | 第39-40页 |
3.5 本章小结 | 第40-41页 |
第四章L-ReSuMe、EDL-ReSuMe和LEDL-ReSuMe性能分析 | 第41-57页 |
4.1 L-ReSuMe脉冲序列学习 | 第41-42页 |
4.2 EDL-ReSuMe的脉冲序列学习 | 第42-44页 |
4.3 LEDL-ReSuMe的脉冲序列学习 | 第44-48页 |
4.4 LEDL-ReSuMe的抗噪性 | 第48-53页 |
4.4.1 干扰膜电压的鲁棒性 | 第48-50页 |
4.4.2 输入脉冲扰动的鲁棒性 | 第50-53页 |
4.5 抗噪性分析与讨论 | 第53-56页 |
4.5.1 抗噪普适性 | 第53-54页 |
4.5.2 抗噪性、准确性及速率的关系 | 第54-56页 |
4.6 本章小结 | 第56-57页 |
第五章 LEDL-ReSuMe的实际应用 | 第57-67页 |
5.1 XOR问题 | 第57-59页 |
5.2 光学字符识别 | 第59-61页 |
5.3 图像识别 | 第61-65页 |
5.4 本章小结 | 第65-67页 |
第六章 总结与展望 | 第67-69页 |
6.1 总结 | 第67-68页 |
6.2 展望 | 第68-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-75页 |