深度信念网络及其在手写字体识别中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 神经网络发展简介 | 第7-8页 |
| 1.2 感知器模型 | 第8-9页 |
| 1.3 论文组织结构 | 第9-10页 |
| 第2章 深度信念网络 | 第10-26页 |
| 2.1 深度学习 | 第10-12页 |
| 2.1.1 基本思想 | 第10-11页 |
| 2.1.2 主要应用 | 第11-12页 |
| 2.2 限制玻尔兹曼机简介 | 第12-23页 |
| 2.2.1 玻尔兹曼机简介 | 第12-14页 |
| 2.2.1.1 玻尔兹曼机模型 | 第12页 |
| 2.2.1.2 玻尔兹曼机分类 | 第12-14页 |
| 2.2.2 受限波尔兹曼机（RBM） | 第14-17页 |
| 2.2.3 RBM构建及其学习过程 | 第17-23页 |
| 2.2.3.1 预备知识 | 第17-19页 |
| 2.2.3.2 求解过程 | 第19-23页 |
| 2.2.3.3 持续对比分歧算法 | 第23页 |
| 2.3 深度信念网络 | 第23-26页 |
| 2.3.1 深度信念网络的结构 | 第24页 |
| 2.3.2 深度信念网络的训练思想 | 第24-26页 |
| 第3章 基于深度信念网络的手写字体识别与比较 | 第26-44页 |
| 3.1 基于深度信念网络的手写字体识别 | 第26-36页 |
| 3.1.1 数据准备 | 第26-30页 |
| 3.1.2 数据预处理 | 第30-31页 |
| 3.1.3 深度学习模型的训练 | 第31页 |
| 3.1.4 RBM的训练 | 第31-33页 |
| 3.1.5 RBM训练的实验与分析 | 第33-36页 |
| 3.2 基于BP网络的手写字体识别 | 第36-40页 |
| 3.2.1 PCA技术 | 第36-38页 |
| 3.2.2 BP神经网络的设计 | 第38页 |
| 3.2.3 结果与分析 | 第38-40页 |
| 3.3 深度学习与神经网络的对比分析 | 第40-44页 |
| 3.3.1 传统神经网络的缺点 | 第41-42页 |
| 3.3.2 深信信念网络的缺点 | 第42页 |
| 3.3.3 深度学习的总结和展望 | 第42-44页 |
| 结论 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读学位期间取得学术成果 | 第49页 |
