首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

学习自动机理论及其在信息传播最大化中的应用研究

摘要第4-6页
abstract第6-8页
主要符号对照表第18-19页
缩略语对照表第19-20页
第一章 绪论第20-30页
    1.1 研究背景和意义第20-21页
    1.2 国内外研究现状第21-25页
    1.3 论文的研究内容第25-27页
    1.4 论文的组织结构与各研究内容间的关系第27-30页
第二章 相关基础知识第30-48页
    2.1 学习自动机数学模型及学习框架第30-34页
        2.1.1 随机环境第31-32页
        2.1.2 学习自动机第32-34页
    2.2 经典VSSA算法介绍第34-43页
        2.2.1 Linear系列算法第34-36页
        2.2.2 Pursuit算法第36-37页
        2.2.3 DGPA算法第37-39页
        2.2.4 SERI算法第39-40页
        2.2.5 LELA算法第40-43页
    2.3 学习自动机性能评价第43-47页
        2.3.1 评价指标第43-44页
        2.3.2 评价方法第44-47页
    2.4 本章小结第47-48页
第三章 基于置信区间估计器的学习自动机第48-72页
    3.1 引言第48页
    3.2 现有最大似然估计器算法局限性分析第48-50页
        3.2.1 基本概念第49页
        3.2.2 确定性最大似然估计器第49-50页
        3.2.3 随机性最大似然估计器第50页
    3.3 确定性置信区间估计器设计第50-52页
    3.4 基于确定性置信区间估计器的学习自动机第52-59页
        3.4.1 算法框架第52页
        3.4.2 收敛性证明第52-55页
        3.4.3 仿真实验第55-59页
    3.5 随机性置信区间估计器的设计第59-61页
        3.5.1 点随机估计器第60-61页
        3.5.2 区间随机估计器第61页
    3.6 基于随机性置信区间估计器的学习自动机第61-70页
        3.6.1 算法框架第61-62页
        3.6.2 收敛性证明第62-63页
        3.6.3 仿真实验第63-70页
    3.7 本章小结第70-72页
第四章 参数免调节的学习自动机第72-104页
    4.1 引言第72页
    4.2 现有学习自动机参数设置分析第72-75页
        4.2.1 学习自动机参数设置与性能的关系第72-75页
        4.2.2 参数调整的步骤与机制缺陷第75页
    4.3 参数免调节学习自动机设计思路第75-78页
        4.3.1 现有算法局限性分析第75-77页
        4.3.2 参数免调节学习自动机架构模型第77-78页
    4.4 两行为环境中的参数免调节学习自动机第78-83页
        4.4.1 两行为环境中的贝叶斯收敛判断第79页
        4.4.2 两行为环境中的优化采样策略第79-81页
        4.4.3 两行为环境中的参数免调节学习自动机算法第81页
        4.4.4 性能分析及收敛性证明第81-82页
        4.4.5 仿真实验第82-83页
    4.5 两行为环境的参数免调节学习自动机加速方法第83-88页
        4.5.1 循环关系式法第84-85页
        4.5.2 正态分布近似法第85-86页
        4.5.3 性能分析及收敛性证明第86-87页
        4.5.4 仿真实验第87-88页
    4.6 多行为环境中的参数免调节学习自动机第88-102页
        4.6.1 多行为环境中的贝叶斯收敛判断第89页
        4.6.2 多行为环境中的优化采样策略第89-90页
        4.6.3 多行为环境中的参数免调节学习自动机算法第90-91页
        4.6.4 性能分析及收敛性证明第91-98页
        4.6.5 仿真实验第98-102页
    4.7 本章小结第102-104页
第五章 基于估计器的学习自动机的并行化第104-136页
    5.1 引言第104页
    5.2 现有并行化算法/方案的分析第104-108页
        5.2.1 经典并行化Pursuit算法第105-106页
        5.2.2 分散式学习并行化方案第106-108页
    5.3 基于置信区间估计的并行式改进方案第108-126页
        5.3.1 方案描述第108-109页
        5.3.2 收敛性证明第109-111页
        5.3.3 仿真实验第111-126页
    5.4 参数免调节学习自动机的并行化算法第126-134页
        5.4.1 算法描述第126-129页
        5.4.2 收敛性证明第129-132页
        5.4.3 仿真实验第132-134页
    5.5 本章小结第134-136页
第六章 学习自动机在信息传播最大化问题中的应用第136-160页
    6.1 引言第136-137页
    6.2 基础知识第137-142页
        6.2.1 信息传播模型第137-138页
        6.2.2 信息传播最大化定义及研究现状第138-142页
    6.3 基于学习自动机的信息传播最大化方法第142-148页
        6.3.1 IMLA方法第142-147页
        6.3.2 两种IMLA方法变体第147-148页
    6.4 实验仿真与分析第148-158页
        6.4.1 实验数据集第148页
        6.4.2 基准参照算法第148-149页
        6.4.3 参数设置第149-150页
        6.4.4 实验结果第150-158页
    6.5 本章小结第158-160页
第七章 总结与展望第160-164页
    7.1 全文总结第160-161页
    7.2 未来研究展望第161-164页
参考文献第164-178页
致谢第178-180页
攻读学位期间发表的学术论文第180-182页
攻读学位期间申请的专利第182页

论文共182页,点击 下载论文
上一篇:初中数学“综合与实践”活动课的教学设计与实践研究
下一篇:中美高校思想政治教育方法的比较研究