| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文的研究内容和组织结构 | 第13-15页 |
| 1.3.1 本文的研究内容 | 第13-14页 |
| 1.3.2 本文的组织结构 | 第14-15页 |
| 第二章 受限玻尔兹曼机 | 第15-27页 |
| 2.1 受限玻尔兹曼机介绍 | 第15-23页 |
| 2.1.1 受限玻尔兹曼机模型 | 第15-18页 |
| 2.1.2 受限玻尔兹曼机学习算法 | 第18-21页 |
| 2.1.3 受限玻尔兹曼机评估算法 | 第21-23页 |
| 2.2 应用受限玻尔兹曼机构建深度置信网 | 第23-25页 |
| 2.2.1 深度置信网模型 | 第23-24页 |
| 2.2.2 深度置信网训练算法 | 第24-25页 |
| 2.3 Softmax分类器 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 改进的受限玻尔兹曼机 | 第27-44页 |
| 3.1 引言 | 第27-29页 |
| 3.1.1 特征同质化倾向 | 第27页 |
| 3.1.2 稀疏受限玻尔兹曼机 | 第27-29页 |
| 3.2 改进的受限玻尔兹曼机 | 第29-34页 |
| 3.2.1 基于arctan函数改进的受限玻尔兹曼机 | 第29-32页 |
| 3.2.2 基于弹性网络改进的受限玻尔兹曼机 | 第32-34页 |
| 3.3 应用改进的受限波尔兹曼机构建深度置信网 | 第34-35页 |
| 3.4 实验 | 第35-43页 |
| 3.4.1 MNIST数据集 | 第35-36页 |
| 3.4.2 验证AtanRBM的性能 | 第36-41页 |
| 3.4.3 验证AtanDBN的性能 | 第41页 |
| 3.4.4 验证EN-RBM的性能 | 第41-43页 |
| 3.4.5 验证EN-DBN的性能 | 第43页 |
| 3.5 本章小结 | 第43-44页 |
| 结论 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士学位期间发表论文 | 第51-53页 |
| 致谢 | 第53页 |