基于隐变量的多任务学习
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.2.1 基于正则化的多任务学习 | 第8-9页 |
| 1.2.2 基于深度学习的多任务学习 | 第9页 |
| 1.3 本课题研究内容与创新 | 第9-10页 |
| 1.3.1 研究内容 | 第9-10页 |
| 1.3.2 主要创新 | 第10页 |
| 1.4 本文组织结构 | 第10-11页 |
| 第2章 基本方法介绍 | 第11-23页 |
| 2.1 机器学习 | 第11-12页 |
| 2.1.1 非监督学习 | 第11页 |
| 2.1.2 监督学习 | 第11-12页 |
| 2.2 线性回归模型 | 第12-14页 |
| 2.2.1 最小二乘法 | 第13-14页 |
| 2.3 神经网络 | 第14-19页 |
| 2.3.1 神经元 | 第14-15页 |
| 2.3.2 激活函数 | 第15-16页 |
| 2.3.3 损失函数 | 第16-17页 |
| 2.3.4 前馈神经网络 | 第17-18页 |
| 2.3.5 误差反向传播算法 | 第18-19页 |
| 2.4 多任务学习 | 第19-21页 |
| 2.4.1 基于集群的多任务学习 | 第20页 |
| 2.4.2 基于交替结构的多任务学习 | 第20-21页 |
| 2.5 范数 | 第21-22页 |
| 2.6 模型评价 | 第22页 |
| 2.7 本章小结 | 第22-23页 |
| 第3章 基于期望最大化的隐变量多任务模型 | 第23-28页 |
| 3.1 模型介绍 | 第23-26页 |
| 3.1.1 隐变量 | 第23-24页 |
| 3.1.2 期望最大化算法 | 第24-25页 |
| 3.1.3 多任务模型的参数求解 | 第25-26页 |
| 3.2 实验分析 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于神经网络的隐变量多任务模型 | 第28-32页 |
| 4.1 模型介绍 | 第28-30页 |
| 4.1.1 隐特征 | 第28页 |
| 4.1.2 隐变量神经网络 | 第28-29页 |
| 4.1.3 基于神经网络的隐变量多任务模型构建 | 第29-30页 |
| 4.2 实验分析 | 第30-31页 |
| 4.3 本章小结 | 第31-32页 |
| 第5章 多任务系统环境搭建 | 第32-34页 |
| 5.1 基础环境搭建 | 第32页 |
| 5.2 基于GPU的TENSORFLOW搭建 | 第32-33页 |
| 5.3 本章小结 | 第33-34页 |
| 第6章 总结与期望 | 第34-35页 |
| 6.1 总结 | 第34页 |
| 6.2 期望 | 第34-35页 |
| 致谢 | 第35-36页 |
| 参考文献 | 第36-39页 |
| 攻读士学位期间发表的论文及科研成果 | 第39页 |
