首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于神经元分布式增殖的异步RNNLM系统

摘要第5-7页
abstract第7-8页
第一章 绪论第12-18页
    1.1 研究背景及意义第12-16页
        1.1.1 研究背景第12-13页
        1.1.2 RNNLM第13-14页
        1.1.3 国内外研究现状第14-16页
    1.2 论文的主要工作和组织结构第16-18页
        1.2.1 论文的主要工作第16-17页
        1.2.2 论文的组织结构第17-18页
第二章 研究基础和系统结构第18-26页
    2.1 S-RNNLM系统的分析第18-22页
        2.1.1 基于分布式神经元RNNLM的结构第19-21页
        2.1.2 优化传统RNNLM运算方式第21-22页
        2.1.3 S-RNNLM的不足第22页
    2.2 ZY-RNNLM系统的分析与设计第22-24页
    2.3 相关参数定义第24-25页
    2.4 本章小结第25-26页
第三章 基于增殖的神经元训练算法第26-46页
    3.1 神经元增殖策略第26-28页
        3.1.1 被激活的神经元ac与er计算方法第27页
        3.1.2 更新被激活的神经元与输入层之间连接第27页
        3.1.3 更新被激活的神经元与上一次隐藏层之间连接第27-28页
        3.1.4 更新被激活的神经元与输出层之间连接第28页
    3.2 算法原型系统与测试环境第28-29页
    3.3 使用相同类型语料的测试与分析第29-36页
        3.3.1 最大神经元数量相同时的训练时间开销第30-32页
        3.3.2 迭代次数相同时的训练时间开销第32-34页
        3.3.3 准确率的测试第34-35页
        3.3.4 增加单位语料所需的时间开销第35-36页
    3.4 使用不同类型语料的测试与分析第36-43页
        3.4.1 迭代次数相同时的训练时间开销第36-38页
        3.4.2 时间开销增加率的测试第38-41页
        3.4.3 最大神经元数量相同时的训练时间开销第41-43页
    3.5 相同类型语料与不同类型语料对比第43-45页
    3.6 本章小结第45-46页
第四章 神经元的分区异步训练算法第46-56页
    4.1 神经元的异步训练策略第46-47页
    4.2 神经元的分区训练策略第47页
    4.3 算法原型系统与测试环境第47-48页
    4.4 测试与分析第48-55页
        4.4.1 迭代次数相同时的训练时间开销第48-50页
        4.4.2 准确率的测试第50-51页
        4.4.3 时间开销增加率的测试第51-53页
        4.4.4 增加单位语料所需的时间开销第53-55页
    4.5 本章小结第55-56页
第五章 基于神经元分布式增殖的异步RNNLM系统第56-71页
    5.1 原型系统与测试环境第56-59页
    5.2 测试与分析第59-66页
        5.2.1 训练时间开销第59-64页
        5.2.2 准确率的测试第64-66页
    5.3 原型系统运行实例第66-70页
        5.3.1 训练模块第66-69页
        5.3.2 测试模块第69-70页
    5.4 本章小结第70-71页
第六章 总结与展望第71-73页
    6.1 工作总结第71-72页
    6.2 工作展望第72-73页
参考文献第73-77页
致谢第77-78页
在学期间发表的学术论文及其他科研成果第78页

论文共78页,点击 下载论文
上一篇:基于IEEE 802.15.6的无线体域网能量优化协议
下一篇:命名数据网络拥塞控制机制研究