| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目标及意义 | 第11-13页 |
| 1.3 本文主要内容及贡献 | 第13页 |
| 1.4 本文结构 | 第13-15页 |
| 第二章 相关研究工作回顾 | 第15-32页 |
| 2.1 强化学习 | 第15-19页 |
| 2.1.1 强化学习的设置 | 第15-17页 |
| 2.1.2 经典算法 | 第17-18页 |
| 2.1.3 Actor-Critic结构 | 第18-19页 |
| 2.2 深度学习 | 第19-25页 |
| 2.2.1 研究进展 | 第19-21页 |
| 2.2.2 训练优化 | 第21-23页 |
| 2.2.3 DenseNet和mlpconv层 | 第23-25页 |
| 2.3 深度强化学习 | 第25-31页 |
| 2.3.1 新一代智能系统 | 第26-27页 |
| 2.3.2 DQN和DDPG | 第27-30页 |
| 2.3.3 多任务或层次性算法以及在计算机视觉中的应用 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 连续动作空间中的多任务学习 | 第32-44页 |
| 3.1 算法结构 | 第32-34页 |
| 3.2 算法流程 | 第34-36页 |
| 3.3 实验与结果 | 第36-42页 |
| 3.3.1 实验设置 | 第36-38页 |
| 3.3.2 多任务学习性能 | 第38-41页 |
| 3.3.3 与失败策略一同训练 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 连续动作空间中的层次性学习 | 第44-59页 |
| 4.1 算法结构 | 第44-46页 |
| 4.2 算法流程 | 第46-47页 |
| 4.3 算法设计细节 | 第47-49页 |
| 4.3.1 正回报与负回报 | 第47-48页 |
| 4.3.2 记忆重现和批抽样 | 第48页 |
| 4.3.3 探索 | 第48-49页 |
| 4.4 实验与结果 | 第49-57页 |
| 4.4.1 实验设置 | 第49-52页 |
| 4.4.2 基值网络性能 | 第52-53页 |
| 4.4.3 元值网络性能 | 第53-55页 |
| 4.4.4 与失败策略一同训练 | 第55-56页 |
| 4.4.5 与其他方法对比 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 自强化图像分类模型 | 第59-69页 |
| 5.1 算法结构 | 第59-62页 |
| 5.1.1 图像分类网络 | 第60-61页 |
| 5.1.2 特征决策智能系统 | 第61-62页 |
| 5.2 算法流程 | 第62-64页 |
| 5.3 实验与结果 | 第64-67页 |
| 5.3.1 实验设置 | 第64-66页 |
| 5.3.2 分类准确率 | 第66-67页 |
| 5.3.3 智能系统性能 | 第67页 |
| 5.4 本章小结 | 第67-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-78页 |
| 附录 攻读硕士学位期间完成的其他工作 | 第78-84页 |
| A 区分手写体和印刷体以及DropRegion算法 | 第78-80页 |
| B 语言和手写印刷体分类的多任务训练 | 第80-82页 |
| 附录中引用的参考文献 | 第82-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |