| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 进化脉冲神经网络的研究现状 | 第12-15页 |
| 1.2.1 连接权值的进化 | 第13页 |
| 1.2.2 网络结构的进化 | 第13-14页 |
| 1.2.3 网络学习规则的进化 | 第14-15页 |
| 1.3 基于神经网络的图像识别研究进展 | 第15-16页 |
| 1.4 论文内容及组织结构 | 第16-18页 |
| 2 脉冲神经网络的结构与进化方法 | 第18-29页 |
| 2.1 漏电Integrate-and-Fire神经元模型 | 第18-19页 |
| 2.2 脉冲神经网络的结构 | 第19-22页 |
| 2.2.1 前馈型神经网络结构 | 第19-20页 |
| 2.2.2 递归型神经网络结构 | 第20-21页 |
| 2.2.3 混合型神经网络结构 | 第21-22页 |
| 2.3 进化神经网络的基因编码 | 第22-26页 |
| 2.3.1 进化神经网络的直接编码方法 | 第22-24页 |
| 2.3.2 进化神经网络的间接编码方法 | 第24-26页 |
| 2.4 脉冲神经网络的进化算法 | 第26-27页 |
| 2.5 进化脉冲神经网络的应用 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 脉冲神经网络的发育生成方法 | 第29-43页 |
| 3.1 递归基因调控网络模型 | 第29-31页 |
| 3.1.1 基因调控网络概述 | 第29页 |
| 3.1.2 递归基因调控网络的加权矩阵模型 | 第29-31页 |
| 3.2 脉冲神经网络的发育方法 | 第31-35页 |
| 3.2.1 脉冲神经网络的发育流程 | 第32页 |
| 3.2.2 脉冲神经网络的发育控制 | 第32-35页 |
| 3.3 发育神经网络的结构分析 | 第35-42页 |
| 3.3.1 神经网络的结构特征概念 | 第35-37页 |
| 3.3.2 基因调控网络的参数分析 | 第37-40页 |
| 3.3.3 发育过程中发育尺度分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 脉冲神经网络的图像识别模型 | 第43-56页 |
| 4.1 图像的脉冲序列编码方法 | 第43-44页 |
| 4.2 脉冲神经网络的计算模型 | 第44-48页 |
| 4.2.1 进化脉冲神经网络的计算模型 | 第44-46页 |
| 4.2.2 脉冲神经网络的进化算法 | 第46-47页 |
| 4.2.3 基于Re Su Me算法的权值学习 | 第47-48页 |
| 4.3 适应值及参数设置 | 第48-50页 |
| 4.3.1 适应值函数 | 第48-49页 |
| 4.3.2 实验参数设置 | 第49-50页 |
| 4.4 图像识别实验结果及分析 | 第50-55页 |
| 4.4.1 图像的识别过程 | 第50-53页 |
| 4.4.2 Label Me图像识别分类实验 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56页 |
| 5.2 今后工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的成果 | 第62-63页 |
| 致谢 | 第63页 |