| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 终身机器学习研究现状及面临问题 | 第11-15页 |
| 1.2.1 早期神经网络模型 | 第11-12页 |
| 1.2.2 分组参数共享模型 | 第12-13页 |
| 1.2.3 终身深度学习模型 | 第13-14页 |
| 1.2.4 终身机器学习面临的问题 | 第14-15页 |
| 1.3 论文主要工作及结构 | 第15-17页 |
| 1.3.1 论文主要工作 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 终身机器学习系统相关知识 | 第18-26页 |
| 2.1 终身机器学习定义及其系统 | 第18-20页 |
| 2.1.1 终身机器学习问题定义 | 第18-19页 |
| 2.1.2 终身机器学习系统 | 第19-20页 |
| 2.2 本文所涉及的终身机器学习算法 | 第20-25页 |
| 2.2.1 ELLA算法 | 第20-23页 |
| 2.2.2 基于判别表示的终身机器学习算法 | 第23-24页 |
| 2.2.3 基于有监督任务空间划分的终身机器学习算法 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 特征全共享的终身深度学习模型 | 第26-46页 |
| 3.1 基于深度学习的特征表示方法 | 第26-29页 |
| 3.1.1 受限玻尔兹曼机模型 | 第26-28页 |
| 3.1.2 深度信念网络 | 第28-29页 |
| 3.2 HLLA模型 | 第29-36页 |
| 3.2.1 模型概述 | 第29-31页 |
| 3.2.2 模型学习过程 | 第31-36页 |
| 3.3 实验验证 | 第36-45页 |
| 3.3.1 数据库描述 | 第36-37页 |
| 3.3.2 实验评估方法 | 第37-39页 |
| 3.3.3 实验结果及分析 | 第39-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 特征分组共享的终身深度学习模型 | 第46-61页 |
| 4.1 G-HLLA模型 | 第47-51页 |
| 4.1.1 自动分组算法 | 第48-50页 |
| 4.1.2 模型学习过程 | 第50-51页 |
| 4.2 实验验证 | 第51-59页 |
| 4.2.1 数据库描述 | 第51-52页 |
| 4.2.2 实验评估方法 | 第52-53页 |
| 4.2.3 实验结果及分析 | 第53-59页 |
| 4.3 本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |