深度无监督学习算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究的背景及意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义和目的 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·深度网络研究的发展历史 | 第11页 |
| ·深度无监督学习的研究现状 | 第11-13页 |
| ·研究内容、技术路线及特色及创新点 | 第13-17页 |
| ·研究内容 | 第13-16页 |
| ·技术路线 | 第16页 |
| ·研究成果与特色及创新点 | 第16-17页 |
| ·论文的结构安排 | 第17-18页 |
| 第2章 深度无监督学习的理论和算法基础 | 第18-34页 |
| ·机器学习与人脑视觉机理 | 第18-25页 |
| ·学习算法 | 第18-19页 |
| ·人脑视觉机理 | 第19-21页 |
| ·欠拟合和过拟合 | 第21-24页 |
| ·监督学习和非监督学习 | 第24-25页 |
| ·深度监督学习模型 | 第25-31页 |
| ·模型建立 | 第25-27页 |
| ·模型的求解 | 第27-28页 |
| ·反向传播算法 | 第28-31页 |
| ·数值实验Ⅰ | 第31-34页 |
| ·实验数据 | 第31页 |
| ·实验过程 | 第31-32页 |
| ·实验结果 | 第32-34页 |
| 第3章 深度无监督学习 | 第34-47页 |
| ·深度网络监督学习分析 | 第34-38页 |
| ·梯度不稳定 | 第34-37页 |
| ·监督学习数据获取昂贵 | 第37页 |
| ·局部极值问题 | 第37-38页 |
| ·逐层贪婪无监督与栈式自编码 | 第38-44页 |
| ·逐层贪婪无监督 | 第38页 |
| ·自编码方法与稀疏性 | 第38-40页 |
| ·稀疏自编码参数的训练 | 第40-41页 |
| ·栈式自编码 | 第41-42页 |
| ·微调栈式自编码 | 第42-43页 |
| ·基于自编码的逐层贪婪无监督学习 | 第43-44页 |
| ·数值实验Ⅱ | 第44-47页 |
| ·实验数据 | 第44页 |
| ·实验过程 | 第44-45页 |
| ·实验结果 | 第45-47页 |
| 第4章 大规模数据集上的深度无监督学习 | 第47-57页 |
| ·大数据与大规模数据集 | 第47-48页 |
| ·复杂模型与大数据 | 第47-48页 |
| ·大规模数据集 | 第48页 |
| ·优化算法 | 第48-51页 |
| ·Mini-Batch梯度下降算法 | 第48-50页 |
| ·增量学习 | 第50-51页 |
| ·数据并行 | 第51-57页 |
| ·数据的并行处理 | 第52-53页 |
| ·PyCUDA | 第53-55页 |
| ·Map-Reduce | 第55-57页 |
| 第5章 结论与认识 | 第57-59页 |
| ·结论 | 第57页 |
| ·认识 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及科研等成果 | 第64页 |
