面向大规模数据集的神经网络动态学习算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·模式识别概述 | 第9-10页 |
| ·神经网络概述 | 第10-12页 |
| ·研究内容 | 第12-14页 |
| ·多层感知器 | 第12页 |
| ·模块化神经网络 | 第12-13页 |
| ·动态学习算法 | 第13页 |
| ·特征表示 | 第13-14页 |
| ·本文结构安排 | 第14-16页 |
| 第2章 神经网络基础 | 第16-26页 |
| ·概述 | 第16-17页 |
| ·基本函数和活化函数 | 第17-19页 |
| ·基本函数 | 第17页 |
| ·活化函数 | 第17-19页 |
| ·单层感知器 | 第19-20页 |
| ·前向单隐层感知器 | 第20-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 模块化神经网络 | 第26-38页 |
| ·输入分量大小和活化函数选择 | 第26-29页 |
| ·模块化神经网络 | 第29-32页 |
| ·多类学习问题 | 第29-30页 |
| ·有效训练子集的形成 | 第30-32页 |
| ·不平衡数据的处理 | 第32-36页 |
| ·不平衡数据的影响 | 第33-35页 |
| ·薄弱区域加强 | 第35-36页 |
| ·多层感知器输出加权修正 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 神经网络动态学习算法 | 第38-47页 |
| ·支持向量机概述 | 第38-40页 |
| ·动态学习算法 | 第40-43页 |
| ·特征表示 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 实验结果分析 | 第47-57页 |
| ·Letter识别问题 | 第47-52页 |
| ·Shuttle识别问题 | 第52-54页 |
| ·MNIST手写数字识别问题 | 第54-55页 |
| ·其他数据集的结果 | 第55-57页 |
| 第6章 结束语 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录 攻读硕士期间发表论文 | 第63页 |
