深度信念网络（DBN）等效模型研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 国内外的发展现状 | 第11-15页 |
| 1.2.1 深度学习发展历程及现状 | 第11-13页 |
| 1.2.2 深度信念网络(DBN)研究现状 | 第13-15页 |
| 1.3 本文主要研究工作及内容安排 | 第15-16页 |
| 第2章 DBN等效模型研究 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 偏置和权值的表达 | 第16-22页 |
| 2.2.1 偏置的表达 | 第17-20页 |
| 2.2.2 权值的表达 | 第20-22页 |
| 2.3 等效模型 | 第22-26页 |
| 2.3.1 隐含层只有两个神经元结构的基本模型 | 第22-24页 |
| 2.3.2 隐含层多个神经元模型 | 第24-26页 |
| 2.4 权值的收敛实验 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 网络层次的确定方法研究 | 第29-38页 |
| 3.1 两类样本分类的极限性能 | 第29页 |
| 3.2 网络深度的确定方法 | 第29-35页 |
| 3.2.1 MNIST手写体数据库实验 | 第31-32页 |
| 3.2.2 CIFAR-10 数据库的实验 | 第32-34页 |
| 3.2.3 反图实验 | 第34-35页 |
| 3.3 深度学习的层次解释 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于DBN网络的图片泛化性分析 | 第38-44页 |
| 4.1 引言 | 第38页 |
| 4.2 BP算法原理分析 | 第38-39页 |
| 4.3 图像平移适用性研究 | 第39-43页 |
| 4.3.1 灰度图片实验 | 第41-42页 |
| 4.3.2 奇偶图片实验 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 故障指示器的状态识别 | 第44-49页 |
| 5.1 引言 | 第44-45页 |
| 5.2 智能线路故障指示器的识别分类 | 第45-47页 |
| 5.3 本章小结 | 第47-49页 |
| 第6章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
