自适应基数受限玻尔兹曼机
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第7-12页 |
| 1.1 深度学习及受限玻尔兹曼机概述 | 第7-10页 |
| 1.1.1 深度学习的发展状况 | 第7-8页 |
| 1.1.2 受限玻尔兹曼机的主要研究方向 | 第8-10页 |
| 1.2 本文主要研究内容和贡献 | 第10页 |
| 1.3 本文组织结构 | 第10-12页 |
| 第2章 相关工作 | 第12-25页 |
| 2.1 本章引论 | 第12-13页 |
| 2.2 受限玻尔兹曼机 | 第13-18页 |
| 2.2.1 相关推导 | 第14-15页 |
| 2.2.2 参数的学习方法 | 第15-18页 |
| 2.3 引入稀疏性的受限玻尔兹曼机 | 第18-23页 |
| 2.3.1 稀疏受限玻尔兹曼机 | 第19-20页 |
| 2.3.2 基数受限玻尔兹曼机 | 第20-23页 |
| 2.4 相关回归模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章自适应基数受限玻尔兹曼机 | 第25-37页 |
| 3.1 本章引论 | 第25页 |
| 3.2 自适应基数受限玻尔兹曼机 | 第25-30页 |
| 3.2.1 相关推导 | 第27-28页 |
| 3.2.2 分布的选择 | 第28-30页 |
| 3.3 高斯基数受限玻尔兹曼机 | 第30-36页 |
| 3.3.1 朴素高斯基数受限玻尔兹曼机 | 第30-31页 |
| 3.3.2 选择高斯分布的动机 | 第31-33页 |
| 3.3.3 学习算法 | 第33-35页 |
| 3.3.4 对算法复杂度的分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 实验 | 第37-52页 |
| 4.1 本章引论 | 第37-38页 |
| 4.2 问题定义 | 第38-39页 |
| 4.3 图片分类系统 | 第39-44页 |
| 4.3.1 技术框架 | 第39-40页 |
| 4.3.2 数据预处理 | 第40-41页 |
| 4.3.3 图片分类 | 第41-42页 |
| 4.3.4 性能评价 | 第42-44页 |
| 4.4 MNIST上的实验 | 第44-47页 |
| 4.4.1 数据集简介 | 第44页 |
| 4.4.2 参数设置 | 第44-45页 |
| 4.4.3 实验结果及分析 | 第45-47页 |
| 4.5 CIFAR-10上的实验 | 第47-50页 |
| 4.5.1 数据集简介 | 第47-48页 |
| 4.5.2 参数设置 | 第48页 |
| 4.5.3 实验结果及分析 | 第48-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-57页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第57页 |
