嗅觉系统神经模型的研究与应用
| 第一章：绪论 | 第1-12页 |
| 1．1 研究背景 | 第8-11页 |
| 1．1．1 神经信息学研究背景 | 第9页 |
| 1．1．2 嗅觉系统研究背景 | 第9-11页 |
| 1．2 本课题的主要研究内容概述 | 第11-12页 |
| 第二章：嗅觉系统的生理和模型 | 第12-19页 |
| 2．1 嗅觉系统的生理结构 | 第12-16页 |
| 2．1．1 嗅上皮 | 第13页 |
| 2．1．2 嗅球层 | 第13-15页 |
| 2．1．3 嗅皮层 | 第15页 |
| 2．1．4 嗅觉系统的拓扑结构 | 第15-16页 |
| 2．2 关于嗅觉系统的模型研究现状 | 第16-19页 |
| 第三章：K系列模型的结构和分析 | 第19-40页 |
| 3．1 K系列模型的数学基础 | 第19-21页 |
| 3．2 K0模型 | 第21-22页 |
| 3．3 KⅠ模型 | 第22-24页 |
| 3．4 KⅡ模型 | 第24-27页 |
| 3．5 KⅢ模型 | 第27-37页 |
| 3．5．1 KⅢ模型的结构 | 第28-31页 |
| 3．5．2 KⅢ模型的仿真分析 | 第31-37页 |
| 3．6 人工神经网络和K系列模型的比较 | 第37-40页 |
| 第四章：K系列模型在脑电研究上的应用 | 第40-50页 |
| 4．1 模式识别的理论基础 | 第40-41页 |
| 4．2 KⅢ模型的学习和识别算法 | 第41-44页 |
| 4．2．1 学习规则 | 第42-43页 |
| 4．2．2 学习和识别算法 | 第43-44页 |
| 4．3 人工神经网络的学习算法 | 第44-45页 |
| 4．4 KⅢ模型对脑电数据的模式识别 | 第45-50页 |
| 4．4．1 实验过程和实验数据的预处理 | 第45页 |
| 4．4．2 KⅢ网络对脑电数据的分析结果 | 第45-50页 |
| 第五章：K系列模型在图象识别上的应用 | 第50-69页 |
| 5．1 KⅢ模型对简单图像的模式识别 | 第50-60页 |
| 5．1．1 KⅢ网络对简单图像模式的学习和识别 | 第50-52页 |
| 5．1．2 KⅢ网络对简单图像的模式识别实验 | 第52-55页 |
| 5．1．3 使用人工神经网络方法的对比实验 | 第55-60页 |
| 5．2 KⅢ模型对手写体数字的模式识别 | 第60-66页 |
| 5．2．1 KⅢ网络对手写数字模式的学习和识别 | 第61-63页 |
| 5．2．2 使用人工神经网络方法的对比实验 | 第63-64页 |
| 5．2．3 噪声参数对KⅢ网络模式识别能力的影响 | 第64-66页 |
| 5．3 KⅢ模型对手写体英文字符的模式识别 | 第66-67页 |
| 5．4 KⅢ模型的模式容量 | 第67-69页 |
| 第六章：结论与展望 | 第69-72页 |
| 6．1 K系列模型的特点 | 第69-70页 |
| 6．2 K系列模型的最新研究和应用前景 | 第70-72页 |
| 参考文献： | 第72-76页 |
| 已发表文章： | 第76-81页 |
| 致谢 | 第81页 |
