在线学习算法的加速器设计研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 图索引 | 第11-12页 |
| 表索引 | 第12-13页 |
| 1. 绪论 | 第13-22页 |
| ·机器学习技术简介 | 第13页 |
| ·机器学习的发展历程 | 第13-14页 |
| ·支持向量机 | 第14页 |
| ·支持向量机应用领域 | 第14-16页 |
| ·文本分类 | 第15页 |
| ·图像识别 | 第15-16页 |
| ·空中手写识别 | 第16页 |
| ·支持向量机研究现状 | 第16-20页 |
| ·国内外研究现状 | 第16-17页 |
| ·各部分研究现状 | 第17-20页 |
| ·本文创新点 | 第20-21页 |
| ·本文主要工作和章节安排 | 第21-22页 |
| 2 支持向量机理论 | 第22-44页 |
| ·统计学习理论简介 | 第22-26页 |
| ·学习问题的模型 | 第22-23页 |
| ·最小化风险的数学模型 | 第23-24页 |
| ·经验风险最小化原则 | 第24页 |
| ·VC维 | 第24-25页 |
| ·推广性的界 | 第25页 |
| ·结构风险最小化原则 | 第25-26页 |
| ·最优化理论 | 第26-33页 |
| ·最优化问题的定义 | 第27-29页 |
| ·Lagrange理论 | 第29-33页 |
| ·支持向量机 | 第33-43页 |
| ·最大间隔支持向量机模型 | 第33-38页 |
| ·有一定容错机制的支持向量机模型 | 第38-40页 |
| ·核函数与高维空间支持向量机模型 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 3 支持向量机在线学习硬件实现 | 第44-55页 |
| ·支持向量机的实现技术 | 第44-49页 |
| ·停止条件 | 第44-45页 |
| ·硬件实现算法原理 | 第45-48页 |
| ·硬件实现算法描述 | 第48-49页 |
| ·支持向量机在线学习设计 | 第49-54页 |
| ·支持向量机硬件算法伪代码 | 第49-50页 |
| ·IL-block模块设计 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 4 实验结果与分析讨论 | 第55-62页 |
| ·仿真环境 | 第55-56页 |
| ·面积 | 第56-58页 |
| ·速度 | 第58页 |
| ·硬件复用度 | 第58-60页 |
| ·功能适应性 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 5 总结和展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简介 | 第68-69页 |
| 作者攻读硕学位期间发表的论文 | 第69页 |
