| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 插图索引 | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 本文创新点和研究内容 | 第16-18页 |
| 第二章 随机电路研究 | 第18-35页 |
| 2.1 研究目标 | 第18页 |
| 2.2 研究内容 | 第18-25页 |
| 2.2.1 随机门的功能和设计方法的研究 | 第18-21页 |
| 2.2.2 设计基于随机比特计算的电路来实现随机门的功能 | 第21-23页 |
| 2.2.3 由随机门构成的系统中所需其他功能模块 | 第23-24页 |
| 2.2.4 利用基于随机比特计算的电路对采样序列进行处理 | 第24-25页 |
| 2.3 研究成果 | 第25-27页 |
| 2.3.1 随机门的设计问题 | 第25页 |
| 2.3.2 设计基于随机比特计算的电路来实现概率性的真值表 | 第25页 |
| 2.3.3 设计由随机门构成的系统，提升采样算法和学习算法的性能 | 第25-26页 |
| 2.3.4 由随机门构成的系统的优势的充分发掘与利用 | 第26页 |
| 2.3.5 由随机门构成的系统对计算复杂度的影响 | 第26-27页 |
| 2.4 设计方案 | 第27-35页 |
| 2.4.1 随机门的设计方法 | 第27-29页 |
| 2.4.2 对随机采样结果后续处理的电路设计 | 第29-30页 |
| 2.4.3 利用基于随机比特计算的电路对采样序列进行处理 | 第30-33页 |
| 2.4.4 由随机门实现可重构的计算系统 | 第33-35页 |
| 第三章 贝叶斯网络问题研究 | 第35-45页 |
| 3.1 贝叶斯网络问题简介 | 第35-36页 |
| 3.2 贝叶斯网络结构学习背景 | 第36-37页 |
| 3.3 基于 MCMC 的贝叶斯网络结构学习 | 第37-39页 |
| 3.3.1 Metropolis-Hastings (MH) | 第37页 |
| 3.3.2 拓扑排序 | 第37-38页 |
| 3.3.3 本文基于 MCMC 的贝叶斯网络结构学习流程 | 第38-39页 |
| 3.3.4 时间复杂度分析 | 第39页 |
| 3.4 基于 MCMC 贝叶斯网络结构学习方法改进 | 第39-42页 |
| 3.4.1 独立性检测 | 第39-40页 |
| 3.4.2 先验知识 | 第40-41页 |
| 3.4.3 最佳子结构 | 第41-42页 |
| 3.5 实验数据和分析 | 第42-43页 |
| 3.5.1 时间对比 | 第42页 |
| 3.5.2 准确性对比 | 第42-43页 |
| 3.6 总结 | 第43-45页 |
| 第四章 新体系结构下的贝叶斯网络学习问题 | 第45-63页 |
| 4.1 基本流程 | 第45-47页 |
| 4.2 基本电路设计 | 第47-55页 |
| 4.3 随机扰动设计 | 第55-60页 |
| 4.4 势能评估 | 第60-63页 |
| 第五章 实验方法与结果分析 | 第63-71页 |
| 5.1 硬件模拟流程和结果 | 第63-68页 |
| 5.2 新型体系结合优点 | 第68-71页 |
| 第六章 工作总结和展望 | 第71-72页 |
| 6.1 工作总结 | 第71页 |
| 6.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间已发表或录用的论文 | 第77-79页 |
