- 引言
1.1 人工神经网络
1.2 异步脉冲时间的计算 - 采用稀疏时域编码和多层RBF网络实现脉冲神经元的无监督聚类
2.1 简介
2.2 延迟脉冲神经元网络
2.3 以脉冲时间编码连续输入的变量
2.4 感受野聚类
2.5 多层网络中的分层聚类
2.6 复杂聚类
2.7 讨论与结论 - 脉冲神经元时域编码网络中的误差后向传播
3.1 简介
3.2 误差后向传播
3.3 XOR问题
3.4 其他基准问题
3.5 讨论
3.6 结论 - 特征连接的位置不变检测框架
4.1 简介
4.2 分布式编码的本地计算
4.3 具体实现
4.4 实验
4.5 讨论
4.6 结论 - 不变特征连接检测的形式化描述
5.1 简介
5.2 形式化描述
5.3 结论 - 成对和高阶相关对突触后神经元放电速率的影响
6.1 简介
6.2 三神经元问题的数学解
6.3 计算N个相同神经元的分布
6.4 人工神经网络
6.5 讨论
6.6 结论 - 脉冲神经元的生物特性
7.1 真实的神经脉冲
7.2 真实脉冲的精度和可靠性
更多精彩文章请关注公众号: