| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 神经网络的模型研究 | 第9-11页 |
| 1.1.1 神经网络模型的研究背景 | 第9-10页 |
| 1.1.2 神经网络模型的研究历程 | 第10-11页 |
| 1.2 自组织临界态的研究 | 第11-12页 |
| 1.3 论文的组织结构 | 第12-15页 |
| 第2章 复杂网络模型及研究工具 | 第15-23页 |
| 2.1 可激发网络模型 | 第15页 |
| 2.2 复杂网络模型 | 第15-19页 |
| 2.2.1 ER随机网络模型 | 第16-17页 |
| 2.2.2 WS小世界网络模型 | 第17-18页 |
| 2.2.3 BA无标度网络模型 | 第18-19页 |
| 2.3 网络临界性与动力学区间的衡量 | 第19-23页 |
| 2.3.1 网络稳定性的衡量 | 第19-20页 |
| 2.3.2 最大本征值的计算公式 | 第20页 |
| 2.3.3 网络的动力学区间(Dynamic range) | 第20-23页 |
| 第3章 不应期对随机网络的临界态的影响 | 第23-41页 |
| 3.1 神经网络动力学中的不应期 | 第23-24页 |
| 3.2 模拟结果 | 第24-28页 |
| 3.2.1 不应期数目对临界态的影响 | 第24-25页 |
| 3.2.2 网络尺寸对临界态的影响 | 第25-26页 |
| 3.2.3 网络平均度对临界态的影响 | 第26-27页 |
| 3.2.4 不应期对动力学区间的影响 | 第27-28页 |
| 3.3 理论分析 | 第28-35页 |
| 3.3.1 平均场近似 | 第28-30页 |
| 3.3.2 对均匀混合的偏离 | 第30页 |
| 3.3.3 临界条件 | 第30-32页 |
| 3.3.4 动力学区间 | 第32-35页 |
| 3.4 ER随机网络中的雪崩分布 | 第35-39页 |
| 3.5 小结 | 第39-41页 |
| 第4章 不应期对无标度网络和小世界网络的临界态的影响 | 第41-61页 |
| 4.1 引言 | 第41页 |
| 4.2 BA无标度网络的模拟结果 | 第41-48页 |
| 4.2.1 不应期对BA无标度网络的临界态的影响 | 第42-45页 |
| 4.2.2 BA无标度网络中的雪崩分布 | 第45-48页 |
| 4.3 WS小世界网络的模拟结果 | 第48-58页 |
| 4.3.1 不应期对WS小世界网络的临界态的影响 | 第49-53页 |
| 4.3.2 WS小世界网络中的雪崩分布 | 第53-58页 |
| 4.4 小结 | 第58-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士期间的科研成果 | 第71页 |