时空脉冲神经网络与脑启发的人工智能

1 时空中不断变化的过程，时空中的深度学习和深度知识表示，灵感来自大脑的人工智能1.1 时空演化过程 1.1.1 什么是不断发展的过程？1.1.2 活生物体的进化过程 1.1.3 时空和分时的演化过程1.2 演化过程的特征：频率，能量，概率，熵和信息1.3 光和声音1.4 时空和方向演变过程 1.5 从数据信息到知识 1.6 时空中的深度学习和深度知识表示1.6.1 在时空中定义深度知识 1.6.2 有多深？1.6.3 本书中的深度知识表示示例 1.7 演化过程的统计，计算建模 1.7.1 计算建模的统计方法1.7.2 全局，局部和转换（“个性化”）建模 1.7.3 模型验证 1.8 灵感来自大脑的人工智能1.9 本章小结和更深入的阅读材料 参考文献 2 人工神经网络中不断发展的连接主义系统 2.1 经典人工神经网络：SOM，MLP，CNN，RNN2.1.1 神经网络中的无监督学习——自组织地图（SOM）2.1.2 人工神经网络中的监督学习——多层感知器及其反向传播算法2.1.3 卷积神经网络（CNN）2.1.4 递归和LSTMANN2.2 混合和基于知识的人工神经网络 2.3 不断发展的连接主义系统（ECOS）2.3.1 ECOS原理2.3.2 不断发展的自组织地图2.3.3 不断发展的MLP2.4 不断发展的模糊神经网络——EFuNN2.5 动态发展的神经模糊推理系统——DENFIS2.6 其他ECOS方法和系统2.7 本章小结和更深入的阅读材料参考文献 第二部分：人脑3 人脑中的深度学习和深度知识表示3.1 大脑中的时空 3.2 学习与记忆3.3 信息的神经表示3.4 大脑中的感知始终是时空超时空3.5 大脑时空中的深度学习和深度知识表示 3.6 神经元和大脑中的信息和信号处理3.6.1 信息编码 3.6.2 信息处理的分子基础3.7 将大脑活动作为时空时空数据进行测量 3.7.1 一般概念 3.7.2 脑电图（EEG）数据3.7.3 脑磁图（MEG）3.7.4 计算机断层扫描（CT）和聚酯（PET）3.7.5 功能磁共振成像3.8 本章总结和更深层次的阅读材料参考文献第三部分：脉冲神经网络4 脉冲神经网络的方法 4.1 信息表示为脉冲的脉冲编码算法4.1.1 比率与脉冲时间信息表示形式4.1.2 脉冲编码算法 4.2 脉冲神经元模型 4.2.1 霍奇金-赫克