| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 Spiking神经网络研究现状 | 第14-17页 |
| 1.3 本文主要创新 | 第17-18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 第二章 Spiking神经网络基础 | 第20-32页 |
| 2.1 Spiking神经网络生物学依据 | 第20-24页 |
| 2.2 Spiking神经元模型 | 第24-29页 |
| 2.2.1 脉冲响应模型 | 第25-27页 |
| 2.2.2 积分点火模型 | 第27-29页 |
| 2.3 Spiking神经网络学习算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 单层Spiking神经网络学习算法研究 | 第32-65页 |
| 3.1 引言 | 第32-33页 |
| 3.2 算法描述 | 第33-37页 |
| 3.3 算法理论分析 | 第37-41页 |
| 3.4 算法性能测试 | 第41-56页 |
| 3.4.1 图像时间编码 | 第41-43页 |
| 3.4.2 算法网络结构 | 第43-44页 |
| 3.4.3 算法学习效果测试 | 第44-45页 |
| 3.4.4 算法容量测试 | 第45-47页 |
| 3.4.5 算法鲁棒性测试 | 第47-49页 |
| 3.4.6 算法训练效率测试 | 第49-56页 |
| 3.5 UCI数据库应用 | 第56-63页 |
| 3.5.1 实验数据 | 第56-57页 |
| 3.5.2 数据编码 | 第57-58页 |
| 3.5.3 Spiking分类器设计 | 第58-60页 |
| 3.5.4 结果与分析 | 第60-63页 |
| 3.5.4.1 学习算法对比分析 | 第60-61页 |
| 3.5.4.2 分类器对比分析 | 第61-63页 |
| 3.6 本章小结 | 第63-65页 |
| 第四章 多层Spiking神经网络学习算法研究 | 第65-99页 |
| 4.1 引言 | 第65-66页 |
| 4.2 算法描述 | 第66-71页 |
| 4.2.1 误差反传策略 | 第68-70页 |
| 4.2.2 权值调整策略 | 第70-71页 |
| 4.3 算法理论与分析 | 第71-84页 |
| 4.3.1 算法理论推导 | 第71-76页 |
| 4.3.2 算法收敛性分析 | 第76-81页 |
| 4.3.3 算法复杂性分析 | 第81-84页 |
| 4.4 算法性能测试 | 第84-91页 |
| 4.4.1 前馈计算性能测试 | 第85-87页 |
| 4.4.2 反馈计算性能测试 | 第87-91页 |
| 4.5 非线性模式分类 | 第91-95页 |
| 4.5.1 XOR分类问题 | 第91-93页 |
| 4.5.2 算法参数鲁棒性分析 | 第93-95页 |
| 4.6 UCI数据库应用 | 第95-98页 |
| 4.6.1 Iris数据分类 | 第95-97页 |
| 4.6.2 BCW数据分类 | 第97-98页 |
| 4.7 本章小结 | 第98-99页 |
| 第五章 基于Spiking神经网络的用户身份认证方法 | 第99-121页 |
| 5.1 引言 | 第99-100页 |
| 5.2 改进的PBSNLR算法描述 | 第100-106页 |
| 5.3 智能设备中的用户身份认证方法 | 第106-120页 |
| 5.3.1 数据特征选择及预处理 | 第107-109页 |
| 5.3.1.1 数据异常点处理 | 第108-109页 |
| 5.3.1.2 数据象限分组 | 第109页 |
| 5.3.2 Spiking神经网络结构设计 | 第109-112页 |
| 5.3.2.1 数据特征表示 | 第109-111页 |
| 5.3.2.2 Spiking网络结构 | 第111-112页 |
| 5.3.3 结果与分析 | 第112-120页 |
| 5.3.3.1 数据采集 | 第112-113页 |
| 5.3.3.2 评价指标 | 第113-114页 |
| 5.3.3.3 结果分析 | 第114-120页 |
| 5.4 本章小结 | 第120-121页 |
| 第六章 基于Spiking神经网络的人体行为识别方法 | 第121-137页 |
| 6.1 引言 | 第121-122页 |
| 6.2 改进的远程监督学习算法描述 | 第122-124页 |
| 6.3 视频数据中的人体行为识别方法 | 第124-131页 |
| 6.3.1 空间特征提取 | 第125-128页 |
| 6.3.2 时间特征提取 | 第128页 |
| 6.3.3 Spiking分类器 | 第128-129页 |
| 6.3.4 Spiking神经网络识别模型整体框架 | 第129-131页 |
| 6.4 结果与分析 | 第131-136页 |
| 6.4.1 实验数据 | 第132页 |
| 6.4.2 实验参数及评判标准 | 第132-133页 |
| 6.4.3 结果分析 | 第133-136页 |
| 6.5 本章小结 | 第136-137页 |
| 第七章 总结与展望 | 第137-140页 |
| 7.1 论文总结 | 第137-138页 |
| 7.2 后续工作展望 | 第138-140页 |
| 致谢 | 第140-141页 |
| 参考文献 | 第141-147页 |
| 攻读博士学位期间取得的成果 | 第147-149页 |
