| 摘要 | 第2-3页 |
| ABSTRACT | 第3页 |
| 第1章 引言 | 第5-13页 |
| 1.1 研究背景与研究意义 | 第5-6页 |
| 1.1.1 研究背景 | 第5-6页 |
| 1.1.2 研究意义 | 第6页 |
| 1.2 文献综述 | 第6-11页 |
| 1.3 本文的创新点 | 第11页 |
| 1.4 基本框架 | 第11-13页 |
| 第2章 预备知识 | 第13-24页 |
| 2.1 神经网络 | 第13-15页 |
| 2.2 随机向量泛函链接网络 | 第15-17页 |
| 2.3 贝叶斯分析方法 | 第17-18页 |
| 2.4 贝叶斯随机向量泛函链接网络 | 第18-21页 |
| 2.5 变分推断 | 第21-24页 |
| 第3章 改进贝叶斯随机向量泛函链接网络的理论和算法 | 第24-38页 |
| 3.1 改进贝叶斯随机向量泛函链接网络的理论 | 第24-28页 |
| 3.2 算法实验 | 第28-36页 |
| 3.2.1 数据介绍 | 第28页 |
| 3.2.2 模型参数介绍与性能评价方法 | 第28-30页 |
| 3.2.3 实验结果 | 第30-36页 |
| 3.3 小结 | 第36-38页 |
| 第4章 总结与展望 | 第38-39页 |
| 参考文献 | 第39-44页 |
| 致谢 | 第44-45页 |