多视角高斯过程的模型与算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.2 本文的主要贡献 | 第16-17页 |
| 1.3 本文的组织结构 | 第17-18页 |
| 第二章 相关工作和背景知识 | 第18-25页 |
| 2.1 高斯过程 | 第18-19页 |
| 2.2 深度高斯过程 | 第19-22页 |
| 2.3 稀疏高斯过程 | 第22页 |
| 2.4 多视角学习 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 多视角规范化高斯过程 | 第25-38页 |
| 3.1 基于后验一致性的多视角高斯过程 | 第25-31页 |
| 3.1.1 模型表示 | 第25-28页 |
| 3.1.2 推理和优化 | 第28-30页 |
| 3.1.3 扩展到更多视角 | 第30-31页 |
| 3.2 基于选择后验一致性的多视角高斯过程 | 第31-34页 |
| 3.3 实验 | 第34-36页 |
| 3.3.1 数据集和实验设置 | 第34-35页 |
| 3.3.2 实验结果和分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 多视角深度高斯过程 | 第38-45页 |
| 4.1 多视角深度高斯过程模型 | 第38-40页 |
| 4.2 变分Bayesian训练 | 第40-43页 |
| 4.2.1 变分下界 | 第40-42页 |
| 4.2.2 参数学习 | 第42-43页 |
| 4.3 实验 | 第43-44页 |
| 4.3.1 数据集和实验设置 | 第43页 |
| 4.3.2 结果和分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 稀疏多视角高斯过程 | 第45-57页 |
| 5.1 最大信息向量机模型 | 第45-47页 |
| 5.2 选择性流形保持模型 | 第47-50页 |
| 5.2.1 流形保持 | 第47-48页 |
| 5.2.2 算法 | 第48-50页 |
| 5.3 多视角高斯过程应用 | 第50-51页 |
| 5.4 实验 | 第51-55页 |
| 5.4.1 数据集和实验设置 | 第51-52页 |
| 5.4.2 结果和分析 | 第52-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第六章 总结及展望 | 第57-59页 |
| 攻读学位期间发表的学术论文以及学术成果 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66页 |
