基于蒙特卡洛方法的有监督学习机及其应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外发展现状 | 第8-13页 |
| 1.2.1 深度神经网络 | 第8-9页 |
| 1.2.2 浅层神经网络 | 第9-10页 |
| 1.2.3 时间序列预测上的相关应用研究 | 第10-11页 |
| 1.2.4 生物信息学上的相关应用研究 | 第11-13页 |
| 1.3 研究内容及意义 | 第13页 |
| 1.4 文章结构 | 第13-15页 |
| 第二章 神经网络及其算法理论 | 第15-28页 |
| 2.1 神经网络 | 第15-17页 |
| 2.2 浅层神经网络 | 第17-20页 |
| 2.2.1 感知机 | 第17页 |
| 2.2.2 反向传播神经网络 | 第17-19页 |
| 2.2.3 支持向量机 | 第19-20页 |
| 2.3 深度神经网络 | 第20-27页 |
| 2.3.1 深度信念网络 | 第21-24页 |
| 2.3.2 卷积神经网络 | 第24-25页 |
| 2.3.3 自编码神经网络 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于蒙特卡洛方法的有监督学习机 | 第28-35页 |
| 3.1 蒙特卡洛方法 | 第28-29页 |
| 3.2 系统架构与算法概述 | 第29-31页 |
| 3.2.1 系统架构 | 第29-30页 |
| 3.2.2 算法概述 | 第30-31页 |
| 3.2.3 损失函数讨论 | 第31页 |
| 3.3 算法流程与伪代码 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 实验与性能分析 | 第35-41页 |
| 4.1 时间序列应用 | 第35-36页 |
| 4.2 实验分析 | 第36-37页 |
| 4.3 生物信息学应用 | 第37-38页 |
| 4.4 实验结果与分析 | 第38-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 工作总结 | 第41页 |
| 5.2 工作展望 | 第41-43页 |
| 参考文献 | 第43-45页 |
| 在学期间的研究成果 | 第45-46页 |
| 致谢 | 第46页 |
