| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 研究动机 | 第13-14页 |
| 1.3 问题提出与分析 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 关键技术综述 | 第17-28页 |
| 2.1 NEF | 第17-19页 |
| 2.2 语义指针体系 | 第19-21页 |
| 2.3 视觉感知方法 | 第21-24页 |
| 2.4 大脑仿真系统SPAUN | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 SPAUN-V系统架构和视觉感知设计 | 第28-43页 |
| 3.1 SPAUN-V系统框架 | 第28-29页 |
| 3.2 视觉感知数据的处理 | 第29-31页 |
| 3.3 使用基于RBM的自动编码器作为视觉感知方法 | 第31-37页 |
| 3.3.1 自动编码器的网络结构和训练方法 | 第31-33页 |
| 3.3.2 使用自动编码器的感知结果 | 第33-37页 |
| 3.4 使用卷积神经网络作为视觉感知方法 | 第37-41页 |
| 3.4.1 卷积神经网络的网络结构和训练方法 | 第37-40页 |
| 3.4.2 卷积神经网络的感知结果 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 感知层和动作输出层的联接实现 | 第43-50页 |
| 4.1 感知层数据的表示和生成方法 | 第43-47页 |
| 4.2 动作输出层的工作方法 | 第47-48页 |
| 4.3 视觉感知部分与大脑皮层其他部分以及感知层与动作输出层的联接 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 SPAUN-V应用案例 | 第50-58页 |
| 5.1 系统输入信息及环境配置 | 第50-52页 |
| 5.1.1 实验介绍和实验的输入信息 | 第50-51页 |
| 5.1.2 实验环境配置 | 第51-52页 |
| 5.2 SPAUN-V应用1—图像识别 | 第52-54页 |
| 5.3 SPAUN-V应用2—图像分类 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 工作总结与未来展望 | 第58-61页 |
| 6.1 工作总结 | 第58-60页 |
| 6.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间主要的研究成果 | 第64-65页 |
| 致谢 | 第65页 |