信息几何框架下的神经网络正则化
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及研究意义 | 第7-10页 |
| 1.1.1 机器学习的发展与问题 | 第7-9页 |
| 1.1.2 信息几何与机器学习 | 第9-10页 |
| 1.2 研究内容 | 第10-11页 |
| 1.3 论文结构 | 第11-13页 |
| 第2章 研究综述 | 第13-27页 |
| 2.1 神经网络正则化 | 第13-18页 |
| 2.1.1 l~1正则化 | 第13-14页 |
| 2.1.2 l~2正则化 | 第14-15页 |
| 2.1.3 数据增强 | 第15-16页 |
| 2.1.4 提前终止 | 第16页 |
| 2.1.5 Dropout | 第16-18页 |
| 2.1.6 DropConnect | 第18页 |
| 2.2 信息几何理论 | 第18-20页 |
| 2.2.1 参数坐标系 | 第18-19页 |
| 2.2.2 费舍信息矩阵 | 第19-20页 |
| 2.2.3 费舍信息距离 | 第20页 |
| 2.3 受限玻尔兹曼机 | 第20-27页 |
| 第3章 基于可信度的神经网络正则化 | 第27-37页 |
| 3.1 可信度 | 第27-31页 |
| 3.1.1 信息几何框架下的模型约简 | 第27-28页 |
| 3.1.2 可信信息优先原则 | 第28-29页 |
| 3.1.3 信息几何框架下的受限玻尔兹曼机 | 第29页 |
| 3.1.4 可信度 | 第29-31页 |
| 3.2 可信网络 | 第31-32页 |
| 3.3 随机可信网络 | 第32-34页 |
| 3.4 训练方法 | 第34-37页 |
| 第4章 实验与分析 | 第37-43页 |
| 4.1 实验设置与结果 | 第37-39页 |
| 4.1.1 MNIST | 第37页 |
| 4.1.2 CIFAR-10 | 第37-38页 |
| 4.1.3 CIFAR-100 | 第38-39页 |
| 4.2 实验结果分析 | 第39-43页 |
| 4.2.1 对比实验结果分析 | 第39页 |
| 4.2.2 误差随迭代次数的变化 | 第39-40页 |
| 4.2.3 误差随单元个数的变化 | 第40-41页 |
| 4.2.4 可信度随迭代次数的变化 | 第41-42页 |
| 4.2.5 反证实验分析 | 第42-43页 |
| 第5章 总结和展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 发表论文和参加科研情况说明 | 第49-51页 |
| 致谢 | 第51页 |
