基于深度学习的WIFI定位算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 引言 | 第8-9页 |
| 1.2 论文研究背景 | 第9-14页 |
| 1.2.1 传统WIFI定位技术 | 第9-12页 |
| 1.2.2 基于指纹的WIFI定位算法 | 第12-14页 |
| 1.3 本文主要工作和论文结构 | 第14-16页 |
| 第二章 神经网络的原理 | 第16-33页 |
| 2.1 神经网络概述 | 第16-19页 |
| 2.1.1 神经元结构 | 第16-17页 |
| 2.1.2 激活函数类型 | 第17-19页 |
| 2.2 BP神经网络 | 第19-27页 |
| 2.3 神经网络集成 | 第27-28页 |
| 2.4 全局优化算法 | 第28-32页 |
| 2.4.1 随机梯度法 | 第29页 |
| 2.4.2 模拟退火算法 | 第29-30页 |
| 2.4.3 遗传算法 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 深度信念网络 | 第33-47页 |
| 3.1 引言 | 第33-35页 |
| 3.2 受限玻尔兹曼机RBM | 第35-37页 |
| 3.3 RBM快速学习算法 | 第37-39页 |
| 3.4 Gibbs采样在RBM中的应用 | 第39-40页 |
| 3.5 对比散度学习算法 | 第40-41页 |
| 3.6 深度学习 | 第41-45页 |
| 3.6.1 自编码算法 | 第42-43页 |
| 3.6.2 栈式自编码器 | 第43-44页 |
| 3.6.3 深度信念网络 | 第44-45页 |
| 3.7 稀疏组受限玻尔兹曼机 | 第45-46页 |
| 3.8 本章小结 | 第46-47页 |
| 第四章 实验仿真 | 第47-53页 |
| 4.1 WIFI定位流程 | 第47-48页 |
| 4.2 数据采集 | 第48-50页 |
| 4.3 实验对比 | 第50-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间科研成果 | 第60-61页 |
