利用状态函数导数的脉冲神经网络新算法
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 插图目录 | 第11-13页 |
| 表格目录 | 第13-14页 |
| 1 绪论 | 第14-34页 |
| ·人工神经网络简介 | 第14-19页 |
| ·神经网络的发展历程 | 第14-15页 |
| ·人工神经元模型 | 第15-16页 |
| ·神经网络的拓扑结构 | 第16-17页 |
| ·神经网络的学习过程 | 第17-19页 |
| ·神经网络的学习规则 | 第19页 |
| ·脉冲神经网络简介 | 第19-31页 |
| ·脉冲神经网络的发展历程 | 第20页 |
| ·脉冲神经元的模型 | 第20-25页 |
| ·脉冲神经网络拓扑结构和动力学 | 第25-29页 |
| ·脉冲神经元和神经网络的计算能力 | 第29-31页 |
| ·本文的主要工作 | 第31-34页 |
| 2 一种改进的脉冲神经元 | 第34-46页 |
| ·背景介绍 | 第34-35页 |
| ·改进的脉冲神经元的结构 | 第35-36页 |
| ·改进的脉冲神经元学习算法 | 第36-39页 |
| ·数值模拟 | 第39-43页 |
| ·XOR问题 | 第39-40页 |
| ·其它的基准问题 | 第40-43页 |
| ·小结 | 第43-46页 |
| 3 改进的单层脉冲神经网络 | 第46-58页 |
| ·背景介绍 | 第46页 |
| ·改进的单层脉冲神经网络结构 | 第46-47页 |
| ·改进的单层脉冲神经网络学习算法 | 第47-50页 |
| ·数值模拟 | 第50-54页 |
| ·小结 | 第54-58页 |
| 4 脉冲神经网络学习算法中关键公式的证明 | 第58-70页 |
| ·背景介绍 | 第58-59页 |
| ·脉冲神经网络 | 第59-62页 |
| ·脉冲神经网络的学习算法 | 第62-63页 |
| ·第一种方法的主要结果及证明 | 第63-66页 |
| ·第二种方法的主要的记号与分析 | 第66-67页 |
| ·第二种方法主要的结果与证明 | 第67-70页 |
| 5 结论和展望 | 第70-72页 |
| 参考文献 | 第72-82页 |
| 攻读博士学位期间发表学术论文情况 | 第82-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-88页 |
