基于深度学习的极限学习机算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 引言 | 第10页 |
| 1.2 极限学习机的研究背景及研究应用现状 | 第10-12页 |
| 1.3 深度学习的起源发展 | 第12-13页 |
| 1.4 基于深度学习的极限学习机 | 第13页 |
| 1.5 本文工作和内容安排 | 第13-15页 |
| 2 极限学习机算法 | 第15-27页 |
| 2.1 单隐藏层前馈神经网络 | 第15-17页 |
| 2.2 极限学习机理论知识 | 第17-20页 |
| 2.3 极限学习机性能实验 | 第20-23页 |
| 2.3.1 拟合实验 | 第20-22页 |
| 2.3.2 回归实验 | 第22-23页 |
| 2.4 极限学习机延伸算法 | 第23-26页 |
| 2.4.1 在线序列极限学习机 | 第23-24页 |
| 2.4.2 增量极限学习机 | 第24-25页 |
| 2.4.3 剪枝型极限学习机 | 第25页 |
| 2.4.4 极限学习机集成模型 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 深度学习算法 | 第27-36页 |
| 3.1 深度学习算法起源及简介 | 第27页 |
| 3.2 深度学习的网络结构及训练方法 | 第27-29页 |
| 3.3 常用深度学习算法 | 第29-35页 |
| 3.3.1 自编码器与稀疏编码 | 第29-30页 |
| 3.3.2 受限波尔兹曼机 | 第30-32页 |
| 3.3.3 深度置信网络 | 第32-33页 |
| 3.3.4 卷积神经网络 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于深度学习的极限学习机 | 第36-45页 |
| 4.1 基于自编码的极限学习机 | 第36-40页 |
| 4.1.1 基于白编码机的极限学习机的理论 | 第37-39页 |
| 4.1.2 基于自编码机的极限学习机的性能实验 | 第39-40页 |
| 4.2 深度极限学习机自编码器 | 第40-44页 |
| 4.2.1 极限学习机自编码器原理 | 第40-42页 |
| 4.2.2 深度极限学习机自编码器 | 第42-43页 |
| 4.2.3 深度极限学习机自编码器的性能试验 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 分层特征选择的稀疏表达算法 | 第45-58页 |
| 5.1 分层特征选择的稀疏表达算法理论 | 第45-51页 |
| 5.1.1 Gabor滤波和ELM-AE | 第45-49页 |
| 5.1.2 SRC,GSR,HSR | 第49-51页 |
| 5.2 实验结果 | 第51-56页 |
| 5.2.1 无遮挡人脸识别 | 第51-54页 |
| 5.2.2 有遮挡人脸识别 | 第54-56页 |
| 5.3 本章小结 | 第56-58页 |
| 6 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63-64页 |
| 攻读硕士期间发表的学士论文与研究成果 | 第64页 |
