| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容和结构安排 | 第14-15页 |
| 第二章 Spiking神经网络时序信息识别的基础 | 第15-31页 |
| 2.1 生物神经元原理 | 第15-17页 |
| 2.2 Spiking神经网络基本模型 | 第17-20页 |
| 2.2.1 IF模型 | 第17-18页 |
| 2.2.2 SRM模型 | 第18-20页 |
| 2.2.3 简化的SRM模型 | 第20页 |
| 2.3 信息编码 | 第20-25页 |
| 2.3.1 频率编码 | 第21页 |
| 2.3.2 时间编码 | 第21-23页 |
| 2.3.3 简化的相位编码 | 第23-25页 |
| 2.4 学习机制 | 第25-29页 |
| 2.4.1 Hebb机制 | 第25页 |
| 2.4.2 STDP和anti-STDP机制 | 第25-28页 |
| 2.4.2.1 基本的STDP模型 | 第27页 |
| 2.4.2.2 STDP模型的变体 | 第27-28页 |
| 2.4.3 基于卷积的学习机制 | 第28-29页 |
| 2.5 时序信息识别研究 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于延迟特性的监督学习算法DL-PSD | 第31-52页 |
| 3.1 远程监督学习算法ReSuMe | 第31-39页 |
| 3.1.1 算法概述 | 第31页 |
| 3.1.2 学习机制公式推导 | 第31-34页 |
| 3.1.3 训练机制效果判定准则 | 第34-35页 |
| 3.1.4 算法优缺点 | 第35页 |
| 3.1.5 单层脉冲神经网络条件下的性能实验 | 第35-39页 |
| 3.2 精准脉冲驱动监督学习算法PSD | 第39-45页 |
| 3.2.1 PSD算法推导 | 第39-41页 |
| 3.2.2 算法训练步骤与流程 | 第41-42页 |
| 3.2.3 不同条件下的PSD算法训练效果仿真 | 第42-45页 |
| 3.3 加入时延特性的改进算法DL-PSD | 第45-51页 |
| 3.3.1 时间延迟原理 | 第45页 |
| 3.3.2 改进的算法DL-PSD | 第45-47页 |
| 3.3.3 时延参数训练原理 | 第47-48页 |
| 3.3.4 改进前后算法的效果对比仿真 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 Spiking神经网络时序信息解码机制 | 第52-62页 |
| 4.1 脉冲时序信息识别基础 | 第52-53页 |
| 4.2 基于生物特性和有限自动机FSA的信息识别机制 | 第53-58页 |
| 4.2.1 FSA识别文本字 | 第53-54页 |
| 4.2.2 神经元解码时序的生物特性 | 第54-56页 |
| 4.2.3 FSA神经元模型 | 第56-58页 |
| 4.2.3.1 FSA同构网络模型 | 第56-57页 |
| 4.2.3.2 状态转化原理 | 第57-58页 |
| 4.2.3.3 模型参数限定 | 第58页 |
| 4.3 改进的Spiking神经网络脉冲时序信息解码机制 | 第58-61页 |
| 4.3.1 解码Spiking神经网络时序信息神经元模型 | 第58-60页 |
| 4.3.2 模型公式推导 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 实验与结果分析 | 第62-78页 |
| 5.1 光学字符信息识别处理 | 第62-74页 |
| 5.1.1 光学字符在不同噪声水平条件下的编码 | 第62-64页 |
| 5.1.2 DL-PSD识别光学数字项 | 第64-68页 |
| 5.1.2.1 DL-PSD训练神经元模型 | 第64-65页 |
| 5.1.2.2 复杂噪声背景下的项识别实验对比 | 第65-68页 |
| 5.1.3 时延特性拓展到Tempotron算法的相关实验对比 | 第68-74页 |
| 5.1.3.1 加入时延后的改进算法DL-Tempotron | 第68-69页 |
| 5.1.3.2 DL-Tempotron规则下相关实验 | 第69-73页 |
| 5.1.3.3 实验结果的相关情况分析 | 第73-74页 |
| 5.2 Spiking神经网络脉冲时序信息识别 | 第74-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第六章 总结和展望 | 第78-80页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间取得的成果 | 第86-87页 |
