| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 Spiking神经网络的研究现状 | 第12-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 Spiking神经网络基本理论 | 第17-34页 |
| 2.1 生物神经元与人工神经元 | 第17-19页 |
| 2.2 时序信息识别的基本原理 | 第19-20页 |
| 2.3 神经元编码类型 | 第20-23页 |
| 2.3.1 频率编码 | 第20-21页 |
| 2.3.2 时间编码 | 第21-23页 |
| 2.4 Spiking神经网络基本模型 | 第23-28页 |
| 2.4.1 Hodgkin–Huxley模型 | 第23-24页 |
| 2.4.2 I&F模型(Integrate-and-Fire) | 第24-26页 |
| 2.4.3 SRM模型(Spikeresponsemodel) | 第26-27页 |
| 2.4.4 LIF模型(LeakyIntegrate-and-FireModel) | 第27-28页 |
| 2.5 Spiking神经网络学习机制 | 第28-33页 |
| 2.5.1 基于梯度下降的学习机制 | 第28-29页 |
| 2.5.2 基于突触可塑性的学习机制 | 第29-32页 |
| 2.5.3 基于脉冲卷积序列的学习机制 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于膜电压驱动的多脉冲学习算法研究 | 第34-57页 |
| 3.1 Tempotron学习算法 | 第34-37页 |
| 3.1.1 神经元模型 | 第34-35页 |
| 3.1.2 算法原理 | 第35-36页 |
| 3.1.3 训练流程 | 第36-37页 |
| 3.1.4 算法优缺点 | 第37页 |
| 3.2 基于梯度下降的多脉冲学习算法 | 第37-43页 |
| 3.2.1 多脉冲LIF神经元模型 | 第38页 |
| 3.2.2 学习规则 | 第38-39页 |
| 3.2.3 相关性评判标准 | 第39-40页 |
| 3.2.4 训练流程 | 第40-41页 |
| 3.2.5 单层脉冲神经网络下的实验 | 第41-43页 |
| 3.3 EP-Tempotron算法 | 第43-51页 |
| 3.3.1 算法构建思路 | 第43-45页 |
| 3.3.2 EPs推导 | 第45-48页 |
| 3.3.2.1 阶段一 | 第45-47页 |
| 3.3.2.2 阶段二 | 第47-48页 |
| 3.3.3 EPs验证 | 第48-49页 |
| 3.3.4 学习规则 | 第49-50页 |
| 3.3.5 算法训练步骤与流程 | 第50-51页 |
| 3.4 随机样本对比仿真 | 第51-56页 |
| 3.4.1 膜电压变化 | 第51-53页 |
| 3.4.2 权重变化 | 第53-54页 |
| 3.4.3 收敛性能效果 | 第54-55页 |
| 3.4.4 训练速度 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 加入Spiking感知神经元的学习机制研究 | 第57-70页 |
| 4.1 感知机 | 第57-59页 |
| 4.1.1 感知机原理 | 第57-58页 |
| 4.1.2 学习策略 | 第58-59页 |
| 4.1.3 学习算法 | 第59页 |
| 4.2 PBSNLR算法 | 第59-65页 |
| 4.2.1 算法学习策略 | 第60-61页 |
| 4.2.2 算法基本原理 | 第61-62页 |
| 4.2.3 SPN转换与训练 | 第62-63页 |
| 4.2.4 基于LIF模型的仿真实验 | 第63-65页 |
| 4.2.5 算法优缺点 | 第65页 |
| 4.3 改进后的EP-PBSNLR算法 | 第65-69页 |
| 4.3.1 算法结合思路 | 第66页 |
| 4.3.2 算法训练流程 | 第66-67页 |
| 4.3.3 改进前后实验性能对比 | 第67-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 实验与结果分析 | 第70-82页 |
| 5.1 脉冲驱动与膜电压驱动 | 第70-73页 |
| 5.1.1 理论对比 | 第70-71页 |
| 5.1.2 实验对比 | 第71-73页 |
| 5.2 XOR问题 | 第73-75页 |
| 5.2.1 应用原理 | 第73页 |
| 5.2.2 结果对比 | 第73-75页 |
| 5.3 光学字符信息识别处理 | 第75-81页 |
| 5.3.1 编码机制 | 第75-77页 |
| 5.3.2 信息处理 | 第77-79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 总结和展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
