| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.4 本文主要研究内容 | 第12-13页 |
| 第2章 深度联想记忆及多模态识别理论基础 | 第13-23页 |
| 2.1 深度学习引言 | 第13-14页 |
| 2.2 限制玻尔兹曼机 | 第14-16页 |
| 2.3 深信度网络 | 第16-19页 |
| 2.3.1 对比分歧算法CD-n | 第16-18页 |
| 2.3.2 dropout方法 | 第18-19页 |
| 2.3.3 Mini Batch Learning方法 | 第19页 |
| 2.4 联想记忆网络 | 第19-20页 |
| 2.5 指数型BAM网络 | 第20-21页 |
| 2.6 多分类器加权复合 | 第21页 |
| 2.7 子分类器的多维权值 | 第21-22页 |
| 2.8 本章小结 | 第22-23页 |
| 第3章 基于深度联想记忆网络的多模态学习 | 第23-30页 |
| 3.1 引言 | 第23-24页 |
| 3.2 深度联想记忆网络模型 | 第24-25页 |
| 3.3 基于多维权值的多模态识别模型 | 第25-28页 |
| 3.4 模型的验证过程 | 第28-29页 |
| 3.4.1 寻回任务 | 第29页 |
| 3.4.2 无信号缺失的多模态识别任务 | 第29页 |
| 3.4.3 有信号缺失的多模态识别任务 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 实验及结果 | 第30-35页 |
| 4.1 引言 | 第30页 |
| 4.2 数据集和网络参数 | 第30页 |
| 4.3 缺失信号寻回任务 | 第30-31页 |
| 4.4 无信号缺失的多模态分类 | 第31-33页 |
| 4.5 有信号缺失的多模态分类 | 第33-34页 |
| 4.6 模型对错误输入的鲁棒性 | 第34页 |
| 4.7 本章小结 | 第34-35页 |
| 第5章 总结与展望 | 第35-37页 |
| 5.1 本文总结 | 第35页 |
| 5.2 展望 | 第35-37页 |
| 参考文献 | 第37-40页 |
| 作者简介及在学期间所取得的科研成果 | 第40-41页 |
| 致谢 | 第41页 |