贝叶斯高斯过程潜变量模型的研究与应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-16页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 本文主要贡献 | 第15页 |
| 1.3 论文组织结构 | 第15-16页 |
| 第二章 高斯过程相关模型 | 第16-31页 |
| 2.1 高斯过程 | 第16-20页 |
| 2.1.1 高斯过程回归模型 | 第17-19页 |
| 2.1.2 高斯过程分类模型 | 第19-20页 |
| 2.2 稀疏高斯过程 | 第20-21页 |
| 2.3 混合高斯过程 | 第21-22页 |
| 2.4 高斯过程潜变量模型 | 第22-27页 |
| 2.4.1 概率主成分分析 | 第22-23页 |
| 2.4.2 高斯过程潜变量模型 | 第23-24页 |
| 2.4.3 贝叶斯高斯过程潜变量模型 | 第24-27页 |
| 2.5 变分近似推理 | 第27-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 基于深度高斯过程的教育文本检测 | 第31-42页 |
| 3.1 文本预处理与词向量表示 | 第32-33页 |
| 3.2 贝叶斯深度高斯过程模型 | 第33-36页 |
| 3.2.1 变分推理 | 第33-35页 |
| 3.2.2 期望传播 | 第35-36页 |
| 3.3 实验设置与结果分析 | 第36-40页 |
| 3.3.1 实验设置 | 第36-37页 |
| 3.3.2 结果分析 | 第37-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 混合共享高斯过程潜变量模型 | 第42-58页 |
| 4.1 模型简介 | 第42-44页 |
| 4.2 图模型表示及联合分布 | 第44页 |
| 4.3 变分推理和训练算法 | 第44-48页 |
| 4.3.1 变分最优解形式推导 | 第45-48页 |
| 4.4 模型讨论 | 第48页 |
| 4.5 数据降维和重构 | 第48-50页 |
| 4.5.1 维度约减 | 第48-49页 |
| 4.5.2 数据重构 | 第49-50页 |
| 4.6 实验 | 第50-57页 |
| 4.6.1 人工数据集 | 第50-54页 |
| 4.6.1.1 Toy1数据集 | 第50-52页 |
| 4.6.1.2 Toy2数据集 | 第52-54页 |
| 4.6.2 OilFlow数据集 | 第54-56页 |
| 4.6.3 图像重构 | 第56-57页 |
| 4.7 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 附录A.模型推导 | 第66-69页 |
| 附录B.变分推理公式 | 第69-76页 |
| 硕士研究生期间研究成果 | 第76-77页 |
| 致谢 | 第77页 |
