| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 基于功能磁共振成像的视觉信息编码模型研究 | 第13-17页 |
| 1.2.1 功能磁共振成像技术 | 第13-14页 |
| 1.2.2 人脑视觉系统与视觉功能脑区 | 第14-15页 |
| 1.2.3 基于功能磁共振成像的视觉信息编码模型 | 第15-17页 |
| 1.3 深度学习与视觉信息编码 | 第17-22页 |
| 1.3.1 深度学习 | 第17-19页 |
| 1.3.2 深度网络与大脑视觉信息处理 | 第19-20页 |
| 1.3.3 深度网络在视觉信息编码模型研究中的应用 | 第20-22页 |
| 1.4 本文主要工作和结构安排 | 第22-24页 |
| 第二章 基于卷积神经网络的V1区视觉信息编码网络模型 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 Gabor感受野模型 | 第24-26页 |
| 2.3 基于卷积神经网络的V1区视觉编码网络模型 | 第26-30页 |
| 2.3.1 卷积神经网络概述 | 第26-28页 |
| 2.3.2 基于卷积神经网络的视觉信息编码模型基本结构 | 第28-29页 |
| 2.3.3 基于卷积神经网络的V1区视觉信息编码网络模型 | 第29-30页 |
| 2.4 视觉实验及结果分析 | 第30-35页 |
| 2.4.1 实验数据 | 第30-31页 |
| 2.4.2 实验结果及分析 | 第31-33页 |
| 2.4.3 与现有模型结果对比 | 第33-35页 |
| 2.5 本章小结 | 第35-38页 |
| 第三章 基于深度卷积神经网络的V2区视觉信息编码网络模型 | 第38-48页 |
| 3.1 引言 | 第38页 |
| 3.2 大脑中级视觉区V2的信息感知机制及其编码模型 | 第38-41页 |
| 3.2.1 大脑V2区视觉信息感知机制 | 第38-39页 |
| 3.2.2 大脑V2区视觉信息编码模型 | 第39-41页 |
| 3.3 基于深度卷积神经网络的V2区编码网络模型 | 第41-42页 |
| 3.4 视觉实验结果及分析 | 第42-45页 |
| 3.4.1 实验结果及分析 | 第42-43页 |
| 3.4.2 与现有模型结果对比 | 第43-45页 |
| 3.5 本章小结 | 第45-48页 |
| 第四章 基于多层调节编码模型的自然图像识别方法 | 第48-56页 |
| 4.1 引言 | 第48页 |
| 4.2 基于fMRI视觉信息编码模型的自然图像识别方法 | 第48-49页 |
| 4.3 不同视觉区下基于fMRI视觉信息编码模型的自然图像识别 | 第49-51页 |
| 4.3.1 实验材料 | 第49-50页 |
| 4.3.2 实验结果及分析 | 第50-51页 |
| 4.4 基于多层调节编码模型的自然图像识别方法 | 第51-53页 |
| 4.4.1 基于深度网络的fMRI视觉信息多层调节编码模型 | 第51-52页 |
| 4.4.2 实验结果及分析 | 第52-53页 |
| 4.5 本章小结 | 第53-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 课题工作总结 | 第56-57页 |
| 5.2 后续工作展望 | 第57-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简历 | 第64页 |
