深度学习在预后评估中的应用研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 深度学习研究现状 | 第13-15页 |
| 1.3 ICU预后相关工作 | 第15-16页 |
| 1.4 主要研究内容及章节安排 | 第16-18页 |
| 第二章 深度学习概述 | 第18-29页 |
| 2.1 深度学习的思想 | 第19-20页 |
| 2.2 深度学习常用模型 | 第20-28页 |
| 2.2.1 受限玻尔兹曼机(RBM) | 第21-27页 |
| 2.2.1.1 受限玻尔兹曼机模型 | 第21-23页 |
| 2.2.1.2 受限玻尔兹曼机学习算法 | 第23-26页 |
| 2.2.1.3 受限玻尔兹曼机训练过程 | 第26-27页 |
| 2.2.2 深度置信网络 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于MIC的深度置信网络 | 第29-39页 |
| 3.1 最大信息系数MIC | 第29-30页 |
| 3.2 基于MIC的深度置信网络算法实现 | 第30-33页 |
| 3.2.1 算法流程 | 第30-33页 |
| 3.3 实验结果 | 第33-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于遗传算法的深度置信网络 | 第39-52页 |
| 4.1 遗传算法 | 第39-41页 |
| 4.1.1 遗传算法简介 | 第39-40页 |
| 4.1.2 遗传算法流程 | 第40-41页 |
| 4.2 基于遗传算法的深度置信网络算法实现 | 第41-46页 |
| 4.2.1 参数编码 | 第41-42页 |
| 4.2.2 适应度函数选取 | 第42页 |
| 4.2.3 算法流程 | 第42-46页 |
| 4.3 实验结果 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 深度置信网络在ICU的应用 | 第52-58页 |
| 5.1 基于深度置信网络算法分析 | 第52-53页 |
| 5.2 实验分析 | 第53-57页 |
| 5.2.1 数据集描述及处理 | 第53-54页 |
| 5.2.2 模型参数 | 第54-55页 |
| 5.2.3 实验结果 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表的论文 | 第64-66页 |
| 致谢 | 第66页 |
