首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

深度自编码器理论及其应用研究

摘要第3-4页
ABSTRACT第4页
第一章 绪论第8-13页
    1.1 课题背景及研究意义第8-9页
    1.2 深度自编码器研究现状第9-10页
    1.3 分类算法概述第10-11页
    1.4 本文主要研究内容及组织结构第11-13页
第二章 自编码器基础介绍第13-25页
    2.1 神经网络第13-16页
        2.1.1 感知器模型第13-14页
        2.1.2 误差反向传播第14-16页
    2.2 自编码器网络第16-18页
    2.3 深度自编码器第18-20页
    2.4 SOFTMAX分类器第20-22页
    2.5 相关数据集介绍第22-24页
        2.5.1 MNIST手写字符集第22-23页
        2.5.2 ORL人脸数据集第23-24页
        2.5.3 ExtendedYaleB人脸数据集第24页
    2.6 本章小结第24-25页
第三章 混合核平滑自编码器第25-34页
    3.1 引言第25页
    3.2 平滑自编码器的基本结构第25-27页
    3.3 混合核平滑自编码器的基本结构第27-28页
        3.3.1 高斯核函数和线性核函数组合第27-28页
        3.3.2 高斯核函数和多项式核函数组合第28页
        3.3.3 多项式核函数和线性核函数组合第28页
        3.3.4 高斯核函数,多项式核函数和线性核函数组合第28页
    3.4 实验结果与分析第28-33页
        3.4.1 高斯核函数和线性核函数组合实验第29-30页
        3.4.2 高斯核函数和多项式核函数组合实验第30-31页
        3.4.3 多项式核函数和线性核函数组合实验第31-32页
        3.4.4 高斯核函数,多项式核函数和线性核函数组合实验第32-33页
    3.5 本章小结第33-34页
第四章 监督非负约束稀疏自编码器第34-44页
    4.1 引言第34页
    4.2 非负约束稀疏自编码器第34-35页
    4.3 监督非负约束稀疏自编码器第35-38页
    4.4 实验结果与分析第38-42页
        4.4.1 MNIST手写字符集第38-40页
        4.4.2 ExtendedYaleB人脸数据集第40-42页
    4.5 本章小结第42-44页
第五章 邻域保持自编码器第44-53页
    5.1 引言第44页
    5.2 稀疏自编码器第44-45页
    5.3 邻域保持自编码器第45-48页
    5.4 实验结果与分析第48-51页
        5.4.1 MNIST-BASIC手写字符集第48-50页
        5.4.2 ExtendedYaleB人脸数据集第50-51页
        5.4.3 ORL人脸数据集第51页
    5.5 本章小结第51-53页
第六章 总结与展望第53-55页
    6.1 本文工作总结第53-54页
    6.2 后续工作展望第54-55页
致谢第55-56页
参考文献第56-60页
附录:作者在攻读硕士学位期间完成的论文第60页

论文共60页,点击 下载论文
上一篇:基于支持向量机(SVM)的车牌识别
下一篇:基于卷积神经网络的体数据可视化研究