| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 本文研究内容及组织结构 | 第16-17页 |
| 第二章 生物视觉信息处理机制及层次模型理论 | 第17-29页 |
| 2.1 生物视觉信息处理机制 | 第17-20页 |
| 2.1.1 视觉通路理论 | 第17-19页 |
| 2.1.2 视觉图理论 | 第19-20页 |
| 2.2 层次模型理论 | 第20-27页 |
| 2.2.1 HMAX模型理论 | 第20-22页 |
| 2.2.2 深度学习理论 | 第22-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 基于Reconstruction-ICA的方向图学习方法 | 第29-43页 |
| 3.1 Reconstruction-ICA算法简介 | 第29-31页 |
| 3.1.1 算法动机 | 第29-30页 |
| 3.1.2 Reconstruction-ICA算法 | 第30-31页 |
| 3.2 基于Reconstruction-ICA的方向图算法 | 第31-35页 |
| 3.2.1 方向图算法 | 第31-33页 |
| 3.2.2 利用L-BFGS算法求解OM算法 | 第33-35页 |
| 3.3 实验分析 | 第35-40页 |
| 3.3.1 NVIDIA GPU计算平台 | 第35-37页 |
| 3.3.2 OM算法实验及分析 | 第37-40页 |
| 3.4 本章小结 | 第40-43页 |
| 第四章 层次特征映射模型 | 第43-53页 |
| 4.1 模型概述 | 第43-44页 |
| 4.2 简单细胞感受野特性及方向图模拟 | 第44-47页 |
| 4.2.1 方向图结构 | 第44-46页 |
| 4.2.2 S层方向图结构模拟 | 第46-47页 |
| 4.3 复杂细胞感受野特性及模拟 | 第47-49页 |
| 4.3.1 复杂细胞感受野特性 | 第47-48页 |
| 4.3.2 C层复杂细胞模拟 | 第48-49页 |
| 4.4 竞争学习策略 | 第49-51页 |
| 4.4.1 常见神经元学习算法 | 第49-50页 |
| 4.4.2 竞争学习算法 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 基于特征映射模型的实验与分析评价 | 第53-67页 |
| 5.1 图像重构实验与分析评价 | 第53-56页 |
| 5.1.1 基于S层输出的图像重构 | 第53-54页 |
| 5.1.2 定量评价 | 第54-56页 |
| 5.2 Caltech-101数据库图像分类实验与分析评价 | 第56-61页 |
| 5.2.1 图像数据库 | 第56-57页 |
| 5.2.2 参数调整 | 第57-59页 |
| 5.2.3 C层感受野形状 | 第59-60页 |
| 5.2.4 Caltech-101分类实验 | 第60-61页 |
| 5.3 STL-10数据库图像分类实验与分析评价 | 第61-64页 |
| 5.3.1 图像数据库 | 第61-62页 |
| 5.3.2 STL-10分类实验 | 第62-64页 |
| 5.4 HFM模型分析与评价 | 第64-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间已发表或录用的论文 | 第79-80页 |
| 附件 | 第80页 |
