表格
插图
摘要
第1章 绪论
1.1 研究背景及意义
1.2 论文主要贡献
1.3 论文结构
第2章 生物启发的总结及相关模型分析
2.1 生物视觉系统简介
2.1.1 基本结构
2.1.2 视网膜
2.1.3 初级视觉皮层
2.2 对生物启发的分析与总结
2.2.1 感受野由简单到复杂的构建
2.2.2 稀疏编码
2.2.3 细胞可塑性与基因组等价
2.2.4 信息的反馈
2.2.5 生物启发的指导意义
2.3 受生物启发的物体识别算法
2.3.1 HMAX模型
2.3.2 卷积神经网络
2.4 本章总结
第3章 生物启发的多层在位学习网络
3.1 相关工作
3.1.1 叶成分分析的理论基础
3.1.2 叶成分分析
3.2 基于生物启发建构多层网络
3.2.1 模型架构
3.2.2 软性监督
3.2.3 整个网络的算法流程
3.2.4 地形图
3.2.5 稀疏编码
3.3 实验
3.3.1 一个简单的三类问题
3.3.2 MNIST数据集上的实验
3.3.3 多任务间共享的内部不变性
3.3.4 从自然图像中学习边缘特征
3.4 本章总结
第4章 基于多层在位学习网络对皮层内结构建模
4.1 背景
4.2 针对物体识别算法的功能层建模
4.2.1 模型架构
4.2.2 实验
4.3 自适应的侧向连接
4.3.1 模型架构
4.3.2 实验
4.4 本章总结
第5章 生物启发的多层网络底层特征学习
5.1 背景
5.2 模型架构
5.3 生物启发与其他特征选择方式的比较
5.3.1 人为选定特征:以Gabor为例
5.3.2 用Gabor初始化特征权重
5.3.3 特征的无监督学习
5.4 本章总结
第6章 总结与展望
参考文献
发表文章目录
致谢
声明