整合—激发模型特性研究及其应用
| 第一章 绪论 | 第1-15页 |
| ·人工神经网络的发展 | 第7-10页 |
| ·第一次神经网络研究高潮 | 第8页 |
| ·第二次神经网络研究高潮 | 第8-10页 |
| ·生物神经元 | 第10-12页 |
| ·生物神经元的结构 | 第10-11页 |
| ·神经元脉冲发放的原理 | 第11-12页 |
| ·神经网络的研究现状 | 第12-14页 |
| ·本论文内容安排 | 第14-15页 |
| 第二章 IF模型基本特性分析 | 第15-29页 |
| ·IF网络模型 | 第15-16页 |
| ·模型的改进 | 第16-17页 |
| ·基于泊松分布输入的IF模型特性 | 第17-21页 |
| ·基于样本函数的膜电位的变化 | 第18-19页 |
| ·膜电位的数学期望 | 第19-21页 |
| ·改进模型的点火特性 | 第21-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 IF模型的学习算法 | 第29-35页 |
| ·传统神经网络学习规则 | 第29-30页 |
| ·最大信息量学习准则 | 第30-31页 |
| ·IF模型的最大信息量学习算法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于IF模型的信号盲分离 | 第35-43页 |
| ·基于无监督学习算法的盲分离 | 第35-39页 |
| ·基于有监督学习算法的盲分离 | 第39-42页 |
| ·算法的遗留问题 | 第42页 |
| ·本章小结 | 第42-43页 |
| 结束语 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-49页 |
| 作者攻读硕士学位期间所发表的论文 | 第49页 |
