| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·人工神经网络 | 第11-17页 |
| ·人工神经网络的发展史 | 第11-12页 |
| ·常见的神经元模型 | 第12-16页 |
| ·人工神经网络学习方法 | 第16-17页 |
| ·人工神经网络在蛋白质二级结构预测上的应用 | 第17-18页 |
| ·本文的工作 | 第18-20页 |
| 第二章 Spiking神经网络及其研究 | 第20-37页 |
| ·Spike神经元模型 | 第20-26页 |
| ·生物神经元背景 | 第20-21页 |
| ·Spike神经元模型及其特点分析 | 第21-25页 |
| ·本文采用的模型 | 第25-26页 |
| ·基于Spike神经元的人工神经网络 | 第26-27页 |
| ·Spiking神经网络的编码 | 第27-29页 |
| ·Spiking神经网络的学习方法 | 第29-34页 |
| ·基于传统BP的SpikeProp算法 | 第29-30页 |
| ·粒子群算法介绍 | 第30-31页 |
| ·基于粒子群算法的学习模型 | 第31-34页 |
| ·模式识别问题的Spiking神经网络解决方案 | 第34-36页 |
| ·XOR问题 | 第34-35页 |
| ·IRIS问题 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 蛋白质二级结构预测 | 第37-51页 |
| ·引言 | 第37-38页 |
| ·蛋白质分子的组成和结构分类 | 第38-43页 |
| ·蛋白质分子的组成 | 第38-39页 |
| ·蛋白质结构分类 | 第39-43页 |
| ·蛋白质二级结构预测 | 第43-47页 |
| ·蛋白质二级结构预测的意义 | 第43-44页 |
| ·蛋白质结构预测方法 | 第44-46页 |
| ·预测正确率的计算方法 | 第46-47页 |
| ·测评数据库的建立 | 第47-50页 |
| ·蛋白质数据库PDB | 第47-48页 |
| ·蛋白质结构分类数据库SCOP | 第48页 |
| ·同源蛋白质数据库HSSP | 第48页 |
| ·测评数据库的建立 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 Spiking神经网络在蛋白质二级结构预测应用中的研究 | 第51-64页 |
| ·蛋白质二级结构的spike编码方法 | 第51-58页 |
| ·滑动窗口技术 | 第51-52页 |
| ·输入输出编码 | 第52-58页 |
| ·基于Spiking神经网络的蛋白质二级结构学习模型的建立 | 第58-59页 |
| ·数据选择 | 第59-60页 |
| ·实验与分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-65页 |
| ·总结 | 第64页 |
| ·进一步的工作 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 成果 | 第68-69页 |
| 致谢 | 第69页 |