基于自动编码机的特征学习算法及应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题背景及其研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文主要研究工作概述 | 第11-12页 |
| 1.4 本文结构安排 | 第12-13页 |
| 第二章 相关算法理论 | 第13-29页 |
| 2.1 自动编码机理论 | 第13-22页 |
| 2.1.1 人工神经网络 | 第13-15页 |
| 2.1.2 梯度下降和反向传播 | 第15-17页 |
| 2.1.3 自动编码机 | 第17-18页 |
| 2.1.4 稀疏自动编码机 | 第18-20页 |
| 2.1.5 深度自动编码机 | 第20-21页 |
| 2.1.6 深度信念网络 | 第21-22页 |
| 2.2 极限学习机理论 | 第22-26页 |
| 2.2.1 单隐层前馈神经网络 | 第22-24页 |
| 2.2.2 极限学习机 | 第24-26页 |
| 2.3 学习模式介绍 | 第26-28页 |
| 2.3.1 无监督学习 | 第26页 |
| 2.3.2 监督学习 | 第26-27页 |
| 2.3.3 半监督学习 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 雅克比稀疏自动编码机算法 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 雅克比稀疏自动编码机 | 第29-34页 |
| 3.3 实验介绍和结果分析 | 第34-41页 |
| 3.3.1 实验环境 | 第34页 |
| 3.3.2 实验数据集 | 第34-35页 |
| 3.3.3 实验结果分析 | 第35-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 ELM优化的深度自动编码机算法 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 ELM优化的深度自动编码机 | 第42-47页 |
| 4.3 实验介绍和结果分析 | 第47-55页 |
| 4.3.1 实验环境 | 第47页 |
| 4.3.2 实验数据集 | 第47-48页 |
| 4.3.3 实验结果分析 | 第48-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 稀疏和标签约束半监督自动编码机算法 | 第56-77页 |
| 5.1 引言 | 第56-57页 |
| 5.2 稀疏和标签约束半监督自动编码机 | 第57-62页 |
| 5.3 实验介绍和结果分析 | 第62-76页 |
| 5.3.1 实验环境 | 第63页 |
| 5.3.2 实验数据集 | 第63页 |
| 5.3.3 实验结果分析 | 第63-76页 |
| 5.4 本章小结 | 第76-77页 |
| 主要结论与展望 | 第77-79页 |
| 主要结论 | 第77-78页 |
| 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第83页 |
