基于变分自动编码器的特征表示学习研究及其应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题背景及研究的意义 | 第8-13页 |
| 1.2.1 课题背景 | 第8-10页 |
| 1.2.2 课题研究的意义 | 第10-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 本文的主要内容 | 第15-16页 |
| 1.5 本文的结构安排 | 第16-17页 |
| 第2章 自动编码器 | 第17-30页 |
| 2.1 简单的自动编码器 | 第17-20页 |
| 2.2 变分自动编码器 | 第20-24页 |
| 2.3 自动编码器的聚类与半监督分类 | 第24-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于VAE的聚类方法研究 | 第30-37页 |
| 3.1 介绍 | 第30-31页 |
| 3.2 目标函数 | 第31-32页 |
| 3.3 EM算法估计聚类 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-36页 |
| 3.4.1 模型参数与配置 | 第33-34页 |
| 3.4.2 实验结果 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于VAE的半监督分类方法研究 | 第37-47页 |
| 4.1 介绍 | 第37-38页 |
| 4.2 目标函数 | 第38-39页 |
| 4.2.1 有监督训练目标函数 | 第38-39页 |
| 4.2.2 无监督训练目标函数 | 第39页 |
| 4.3 隐空间高斯先验的生成方法 | 第39-40页 |
| 4.4 实验结果与分析 | 第40-45页 |
| 4.4.1 数据集与模型设置 | 第40页 |
| 4.4.2 训练方法 | 第40-41页 |
| 4.4.3 实验结果 | 第41-45页 |
| 4.5 本章小结 | 第45-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-55页 |
| 致谢 | 第55-56页 |
