HTM算法在图像识别中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 HTM算法国内外研究现状 | 第10-12页 |
| 1.3 研究目标与主要内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 基于概率模型的HTM算法原理和结构 | 第14-21页 |
| 2.1 HTM算法结构 | 第14-15页 |
| 2.2 HTM信息流分析 | 第15-16页 |
| 2.3 节点内部结构和预训练 | 第16-18页 |
| 2.4 前馈消息传递 | 第18-19页 |
| 2.5 反馈消息传递 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 基于概率模型的HTM算法训练过程 | 第21-32页 |
| 3.1 训练队列 | 第21-22页 |
| 3.2 训练流程图 | 第22-25页 |
| 3.3 中间层节点的训练 | 第25-28页 |
| 3.4 实时分组 | 第28-29页 |
| 3.5 最大稳定度分组算法 | 第29-30页 |
| 3.6 计算PCG | 第30-31页 |
| 3.7 输出层节点训练 | 第31页 |
| 3.8 本章小结 | 第31-32页 |
| 4 基于HTM的手写数字识别 | 第32-46页 |
| 4.1 图像数据库 | 第32-34页 |
| 4.2 HTM模型和模式序列 | 第34-37页 |
| 4.3 HTM训练参数设置 | 第37-39页 |
| 4.4 训练过程 | 第39-42页 |
| 4.5 训练结果及分析 | 第42-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 基于HTM的人脸识别模型 | 第46-59页 |
| 5.1 HTM模型在复杂图片中的识别问题 | 第46-49页 |
| 5.2 一种用于人脸识别的HTM组合模型 | 第49-52页 |
| 5.3 顶层节点的计算 | 第52-53页 |
| 5.4 人脸识别实验 | 第53-56页 |
| 5.5 算法对比 | 第56-57页 |
| 5.6 本章小结 | 第57-59页 |
| 6 总结和展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 学位论文数据集表 | 第66-67页 |
