Spiking监督学习算法研究及其应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 Spiking神经网络介绍 | 第17-30页 |
| 2.1 Spiking神经元模型 | 第17-22页 |
| 2.1.1 LIF模型 | 第18-19页 |
| 2.1.2 脉冲响应模型 | 第19-21页 |
| 2.1.3 pSNM模型 | 第21-22页 |
| 2.2 信息编码 | 第22-25页 |
| 2.3 学习算法 | 第25-29页 |
| 2.3.1 非监督学习算法 | 第25-28页 |
| 2.3.2 监督学习算法 | 第28-29页 |
| 2.4 章节小结 | 第29-30页 |
| 第三章 一种新的Spiking监督学习算法 | 第30-52页 |
| 3.1 Spiking监督学习算法的设计分析 | 第30-32页 |
| 3.2 基于PSRM神经元的监督学习算法 | 第32-44页 |
| 3.2.1 概率的Spiking神经元模型推导 | 第32-35页 |
| 3.2.2 PSRM神经元模型 | 第35-39页 |
| 3.2.3 学习算法 | 第39-44页 |
| 3.3 基于PSRM监督学习的特征提取算法 | 第44-51页 |
| 3.3.1 网络结构设计与算法推导 | 第44-47页 |
| 3.3.2 算法流程 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于PSRM模型的多标签分类算法 | 第52-68页 |
| 4.1 引言 | 第52-54页 |
| 4.2 基于PSRM模型的多标签分类算法设计 | 第54-61页 |
| 4.2.1 整体流程设计 | 第54-55页 |
| 4.2.2 多标签分类算法 | 第55-57页 |
| 4.2.3 依赖性分析算法 | 第57-60页 |
| 4.2.4 算法总结 | 第60-61页 |
| 4.3 实验与分析 | 第61-67页 |
| 4.3.1 数据集介绍 | 第61-63页 |
| 4.3.2 评价标准 | 第63-64页 |
| 4.3.3 算法实现 | 第64-65页 |
| 4.3.4 实验结果分析 | 第65-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 PSRM模型在图像多标签分类问题中的应用 | 第68-82页 |
| 5.1 引言 | 第68页 |
| 5.2 图像多标签分类算法设计 | 第68-78页 |
| 5.2.1 问题分析和算法流程 | 第69-72页 |
| 5.2.2 对象窗口检测算法 | 第72-75页 |
| 5.2.3 图像多分类算法 | 第75-78页 |
| 5.3 实验与分析 | 第78-81页 |
| 5.3.1 数据集与评价标准 | 第78页 |
| 5.3.2 算法实现 | 第78-79页 |
| 5.3.3 实验结果分析 | 第79-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 攻读硕士学位期间取得的成果 | 第90-91页 |
