| 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 |