深度极限学习机的研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文主要研究内容 | 第15-19页 |
| 第2章 极限学习机 | 第19-27页 |
| ·引言 | 第19页 |
| ·人工神经网络 | 第19-23页 |
| ·神经网络的结构 | 第20-21页 |
| ·单隐含层前馈神经网络 | 第21-23页 |
| ·极限学习机 | 第23-26页 |
| ·极限学习机理论 | 第24-25页 |
| ·极限学习机算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 深度极限学习机 | 第27-35页 |
| ·引言 | 第27页 |
| ·深度神经网络 | 第27-32页 |
| ·卷积神经网络 | 第28-29页 |
| ·深度信念网络 | 第29-31页 |
| ·自编码器 | 第31-32页 |
| ·深度极限学习机 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于深度极限学习机的多模态融合技术 | 第35-55页 |
| ·引言 | 第35-36页 |
| ·多模态深度学习 | 第36-40页 |
| ·同构数据 | 第36-37页 |
| ·异构数据 | 第37-40页 |
| ·机器抓取 | 第40-41页 |
| ·问题描述 | 第41-42页 |
| ·基于深度极限学习机的多模态融合算法 | 第42-47页 |
| ·实验结果及分析 | 第47-53页 |
| ·Cornell grasping数据库 | 第47-48页 |
| ·实验结果 | 第48-51页 |
| ·参数灵敏度实验 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 基于深度极限学习机的时间序列预测 | 第55-69页 |
| ·引言 | 第55-56页 |
| ·时间序列预测 | 第56-57页 |
| ·问题描述 | 第57-58页 |
| ·时间序列预测模型 | 第58-61页 |
| ·训练样本提取 | 第59-60页 |
| ·DELM模型推导 | 第60-61页 |
| ·公开数据集介绍 | 第61页 |
| ·实验结果及分析 | 第61-67页 |
| ·单步预测 | 第62-64页 |
| ·多步预测 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第6章 总结 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间发表的学术论文目录 | 第77页 |
