面向视觉特征表达的深度学习算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 论文组织结构 | 第10-11页 |
| 第二章 深度学习基础理论 | 第11-16页 |
| 2.1 非监督深度模型 | 第11-13页 |
| 2.2 卷积神经网络 | 第13-14页 |
| 2.3 正则化方法 | 第14-16页 |
| 第三章 深度卷积降噪自编码机 | 第16-33页 |
| 3.1 引言 | 第16-18页 |
| 3.2 深度卷积降噪自编码机 | 第18-24页 |
| 3.2.1 结合Dropout的降噪自编码机 | 第18-20页 |
| 3.2.2 深度卷积降噪自编码机框架 | 第20-21页 |
| 3.2.3 卷积降噪自编码机单元 | 第21-22页 |
| 3.2.4 模型分析 | 第22-24页 |
| 3.3 实验 | 第24-32页 |
| 3.3.1 实验设置 | 第25-27页 |
| 3.3.2 实验结果 | 第27-28页 |
| 3.3.3 实验分析 | 第28-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 结构化去相关约束 | 第33-56页 |
| 4.1 引言 | 第33-35页 |
| 4.2 相关工作 | 第35-37页 |
| 4.2.1 深度学习中的正则项 | 第35-36页 |
| 4.2.2 基于相关性的深度神经网络相关方法 | 第36-37页 |
| 4.2.3 神经网络中的结构 | 第37页 |
| 4.3 结构化去相关约束 | 第37-44页 |
| 4.3.1 约束全连接层 | 第38-43页 |
| 4.3.2 约束卷积层和其他3-D层 | 第43-44页 |
| 4.4 多层感知机实验与分析 | 第44-46页 |
| 4.4.1 实验设置 | 第45页 |
| 4.4.2 正则项作用于多层感知机 | 第45-46页 |
| 4.5 卷积神经网络实验与分析 | 第46-55页 |
| 4.5.1 约束FC层 | 第46-52页 |
| 4.5.2 约束卷积层 | 第52-53页 |
| 4.5.3 参数分析 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 结论 | 第56-57页 |
| 5.1 全文总结 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录 | 第63-64页 |
| 1. 作者简介 | 第63页 |
| 2. 硕士期间发表的论文 | 第63-64页 |
| 致谢 | 第64-65页 |
