基于矩阵近似的机器学习算法加速研究
| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 引言 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-19页 |
| 第二章 机器学习算法与矩阵近似 | 第19-29页 |
| 2.1 机器学习算法中的矩阵计算问题 | 第19-20页 |
| 2.2 矩阵近似方法 | 第20-26页 |
| 2.3 本章小结 | 第26-29页 |
| 第三章 Nystrom近似下的算法加速研究 | 第29-53页 |
| 3.1 ELM算法 | 第29-34页 |
| 3.2 Nystrom方法 | 第34-35页 |
| 3.3 Nystrom近似ELM学习算法 | 第35-39页 |
| 3.4 实验结果与分析 | 第39-50页 |
| 3.5 本章小结 | 第50-53页 |
| 第四章 Random近似下的算法加速研究 | 第53-71页 |
| 4.1 矩阵的Random近似 | 第53-57页 |
| 4.2 Random近似ELM加速算法 | 第57-58页 |
| 4.3 实验结果与分析 | 第58-68页 |
| 4.4 本章小结 | 第68-71页 |
| 第五章 矩阵近似LS-SVM算法加速研究 | 第71-83页 |
| 5.1 SVM以及LS-SVM | 第71-74页 |
| 5.2 矩阵近似LS-SVM | 第74-78页 |
| 5.3 实验结果与分析 | 第78-81页 |
| 5.4 本章小结 | 第81-83页 |
| 第六章 基于矩阵近似的学习算法加速框架 | 第83-89页 |
| 6.1 基于矩阵近似的学习算法加速框架 | 第83-86页 |
| 6.2 面向大数据的算法加速 | 第86-89页 |
| 第七章 总结和展望 | 第89-93页 |
| 7.1 总结 | 第89-90页 |
| 7.2 进一步研究的问题 | 第90-93页 |
| 参考文献 | 第93-101页 |
| 攻读学位期间取得的研究成果 | 第101-103页 |
| 致谢 | 第103-105页 |
| 个人简况及联系方式 | 第105-107页 |
| 承诺书 | 第107-109页 |
