| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文内容及创新点 | 第10-11页 |
| 1.4 本文研究意义 | 第11-12页 |
| 1.5 本文结构 | 第12-13页 |
| 第二章 神经计算模型及基于语音发声的生理模型 | 第13-30页 |
| 2.1 DIVA模型 | 第13-15页 |
| 2.2 Kr?ger神经计算模型 | 第15-20页 |
| 2.3 自组织图（Self-organizing map, SOM）算法 | 第20-24页 |
| 2.3.1 自组织图算法简介 | 第20-22页 |
| 2.3.2 自组织图权值调整域 | 第22-23页 |
| 2.3.3 自组织图神经网络的实现过程 | 第23-24页 |
| 2.4 基于语音产生的生理模型 | 第24-28页 |
| 2.4.1 基于语音产生的生理模型简介 | 第24-26页 |
| 2.4.2 舌头肌肉简介 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于语音产生的生理模型及数据神经化表示 | 第30-44页 |
| 3.1 改进前的基于生理模型的神经计算模型结构 | 第30-31页 |
| 3.2 改进后的基于生理模型的神经计算模型结构 | 第31-33页 |
| 3.3 CV-音节数据的神经化表示方法 | 第33-43页 |
| 3.3.1 运动规划层神经化表示方法 | 第34-36页 |
| 3.3.2 运动控制层神经化表示方法 | 第36-37页 |
| 3.3.3 体感层神经化表示方法 | 第37-41页 |
| 3.3.4 声学层神经化表示方法 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 实验及实验结果分析 | 第44-51页 |
| 4.1 构造CV-音节的训练集 | 第44-45页 |
| 4.2 各个状态层的自组织图训练结果 | 第45-49页 |
| 4.3 自组织图之间的映射方法 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58-59页 |