| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景及现状 | 第8-9页 |
| 1.1.1 选题背景 | 第8页 |
| 1.1.2 发展现状 | 第8-9页 |
| 1.2 研究目的 | 第9-10页 |
| 1.3 论文结构 | 第10-11页 |
| 第二章 FPSO单点系泊系统 | 第11-16页 |
| 2.1 FPSO单点系泊系统的结构 | 第11-14页 |
| 2.1.1 FPSO系泊系统简介 | 第11-12页 |
| 2.1.2 FPSO单点系泊系统 | 第12-14页 |
| 2.2 FPSO单点系泊系统安全状态影响因子 | 第14页 |
| 2.3 FPSO单点系泊系统相关研究 | 第14-16页 |
| 第三章 深度学习算法简介 | 第16-34页 |
| 3.1 机器学习 | 第16-17页 |
| 3.2 人工神经网络 | 第17-18页 |
| 3.3 深度学习 | 第18-20页 |
| 3.4 深度置信网络 | 第20-30页 |
| 3.4.1 玻尔兹曼机 | 第20-21页 |
| 3.4.2 受限玻尔兹曼机 | 第21-28页 |
| 3.4.3 深度置信网络 | 第28-30页 |
| 3.5 对比实验算法简介 | 第30-34页 |
| 3.5.1 支持向量机 | 第30-31页 |
| 3.5.2 反向传播神经网络 | 第31-34页 |
| 第四章 基于DBN的特征学习和分类模型建立 | 第34-38页 |
| 4.1 基于DBN的特征学习和分类模型结构 | 第34-35页 |
| 4.2 基于DBN的特征学习和分类模型的输入参数 | 第35-36页 |
| 4.3 基于DBN的特征学习和分类模型的输出分类标准 | 第36页 |
| 4.4 基于DBN的特征学习和分类模型的参数初始化 | 第36-38页 |
| 第五章 实验过程与结果分析 | 第38-46页 |
| 5.1 实验过程 | 第38-44页 |
| 5.1.1 实验目的 | 第38页 |
| 5.1.2 实验原理 | 第38页 |
| 5.1.3 训练数据集 | 第38-39页 |
| 5.1.4 训练目标 | 第39页 |
| 5.1.5 实验步骤 | 第39-44页 |
| 5.1.6 对比试验所用模型 | 第44页 |
| 5.2 结果分析 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 发表论文和参加科研情况说明 | 第52-53页 |
| 致谢 | 第53-54页 |