| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-12页 |
| 1.2.1 研究背景 | 第9-10页 |
| 1.2.2 研究意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文主要内容 | 第14页 |
| 1.5 本文结构安排 | 第14-15页 |
| 第2章 注意力机制 | 第15-26页 |
| 2.1 传统深度学习模型 | 第15-17页 |
| 2.2 注意力机制 | 第17-22页 |
| 2.2.1 Soft Attention与Hard Attention | 第17-20页 |
| 2.2.2 基于图像底层特征的Attention模型 | 第20-21页 |
| 2.2.3 深度注意力模型 | 第21-22页 |
| 2.3 注意力机制的应用 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 深度注意力平台的构建 | 第26-33页 |
| 3.1 深度注意力平台介绍 | 第26页 |
| 3.2 硬件及软件配置 | 第26-28页 |
| 3.2.1 硬件配置 | 第26-27页 |
| 3.2.2 软件配置 | 第27-28页 |
| 3.3 并行训练算法 | 第28-31页 |
| 3.4 RNN的训练方法 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 循环注意力模型优化 | 第33-50页 |
| 4.1 循环注意力模型介绍 | 第33-37页 |
| 4.2 OV-RAM模型 | 第37-38页 |
| 4.3 EM算法 | 第38-42页 |
| 4.4 弱标记检测及结果生成 | 第42页 |
| 4.5 实验结果及分析 | 第42-49页 |
| 4.5.1 Translated MNIST | 第42-45页 |
| 4.5.2 Cluttered MNIST | 第45-47页 |
| 4.5.3 分类失败情况分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-58页 |
| 致谢 | 第58-59页 |