| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 国内外相关研究及分析 | 第13-16页 |
| 1.3 本文研究内容和章节安排 | 第16-18页 |
| 1.3.1 本文研究内容 | 第16页 |
| 1.3.2 本文的研究思路、创新点 | 第16-17页 |
| 1.3.3 章节安排 | 第17-18页 |
| 第2章 受限玻尔兹曼机和深度信念网络 | 第18-38页 |
| 2.1 玻尔兹曼机 | 第18-19页 |
| 2.2 受限玻尔兹曼机 | 第19-34页 |
| 2.2.1 二值受限玻尔兹曼机 | 第20-22页 |
| 2.2.2 高斯受限玻尔兹曼机 | 第22-25页 |
| 2.2.3 均值协方差受限玻尔兹曼机 | 第25-30页 |
| 2.2.4 分类受限玻尔兹曼机 | 第30-34页 |
| 2.3 深度信念网络 | 第34-35页 |
| 2.4 受限玻尔兹曼机的训练算法--对比散度和持续对比散度 | 第35-38页 |
| 第3章 基于退火重要性采样的模型选择 | 第38-48页 |
| 3.1 重构误差 | 第38页 |
| 3.2 重要性采样 | 第38-39页 |
| 3.3 退火重要性采样 | 第39-40页 |
| 3.4 二值RBM模型和高斯RBM模型的评估 | 第40-45页 |
| 3.5 均值协方差RBM模型的评估 | 第45-47页 |
| 3.6 小结 | 第47-48页 |
| 第4章 实证分析 | 第48-55页 |
| 4.1 数据简介 | 第48页 |
| 4.2 深度信念网络建模分析 | 第48-54页 |
| 4.2.1 数据预处理 | 第48-49页 |
| 4.2.2 受限玻尔兹曼机建模 | 第49-51页 |
| 4.2.3 深度信念网络建模 | 第51-54页 |
| 4.3 小结 | 第54-55页 |
| 总结与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的论文 | 第61页 |