| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题研究内容及成果 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 深度学习方法概述 | 第14-30页 |
| 2.1 深度学习原理与训练过程 | 第14-16页 |
| 2.1.1 深度学习思想 | 第14-15页 |
| 2.1.2 深度学习训练过程 | 第15-16页 |
| 2.2 深度学习与传统神经网络的关系 | 第16页 |
| 2.3 常见的深度学习模型 | 第16-28页 |
| 2.3.1 自动编码器(Auto-Encoder) | 第16-17页 |
| 2.3.2 受限的玻尔兹曼机(RBM) | 第17-22页 |
| 2.3.3 深度置信网络(DBN) | 第22-23页 |
| 2.3.4 深度玻尔兹曼机(DBM) | 第23-26页 |
| 2.3.5 卷积神经网络(CNN) | 第26-28页 |
| 2.4 深度学习的应用领域 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 深度学习在社会化媒体图像语义分类中应用 | 第30-42页 |
| 3.1 问题定义 | 第30页 |
| 3.2 利用深度学习对社会化媒体图像进行语义分类 | 第30-36页 |
| 3.2.1 基于栈式去噪自动编码器的分类模型 | 第31-33页 |
| 3.2.2 基于卷积受限玻尔兹曼机的图像分类模型 | 第33-36页 |
| 3.3 实验 | 第36-41页 |
| 3.3.1 实验设置 | 第36-38页 |
| 3.3.2 实验评价方法 | 第38页 |
| 3.3.3 实验结果及分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 深度学习在社会化媒体图像美学质量评价中应用研究 | 第42-49页 |
| 4.1 问题定义 | 第42-43页 |
| 4.2 利用深度学习对社会化媒体图像进行美学质量评价 | 第43-45页 |
| 4.2.1 基于深度卷积神经网络的社会化媒体图像美学质量评价模型 | 第43-45页 |
| 4.3 实验 | 第45-48页 |
| 4.3.1 实验设置 | 第46-47页 |
| 4.3.2 实验评价方法 | 第47-48页 |
| 4.3.3 实验结果及分析 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 论文总结 | 第49-50页 |
| 5.2 论文展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
