深层神经网络的结构设计方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外文献综述 | 第13-14页 |
| 1.3 研究内容及贡献 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关工作研究 | 第17-27页 |
| 2.1 主成分分析方法 | 第17-20页 |
| 2.1.1 基本思想 | 第17-19页 |
| 2.1.2 计算过程 | 第19页 |
| 2.1.3 优点及应用 | 第19-20页 |
| 2.2 受限玻耳兹曼机的网络结构和训练方法 | 第20-24页 |
| 2.2.1 受限玻耳兹曼机的网络结构 | 第20-23页 |
| 2.2.2 受限玻耳兹曼机的训练方法 | 第23-24页 |
| 2.3 本章小结 | 第24-27页 |
| 第3章 网络结构设计的逐层主成分分析方法 | 第27-35页 |
| 3.1 深层感知器的网络结构和训练方法 | 第27-29页 |
| 3.1.1 深层感知器的网络结构 | 第27-28页 |
| 3.1.2 深层感知器的训练方法 | 第28-29页 |
| 3.2 逐层主成分分析方法 | 第29-32页 |
| 3.2.1 基本思想 | 第29页 |
| 3.2.2 方法描述 | 第29-31页 |
| 3.2.3 案例实现 | 第31-32页 |
| 3.3 增长式逐层主成分分析方法 | 第32-34页 |
| 3.3.1 基本思想 | 第32-33页 |
| 3.3.2 方法描述 | 第33页 |
| 3.3.3 案例实现 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 网络结构设计的逐层主成分分析框架 | 第35-49页 |
| 4.1 深层自动编码器的网络结构和训练方法 | 第35-37页 |
| 4.1.1 深层自动编码器的网络结构 | 第35-36页 |
| 4.1.2 深层自动编码器的训练方法 | 第36-37页 |
| 4.2 深层信念网络的网络结构和训练方法 | 第37-41页 |
| 4.2.1 深层信念网络的网络结构 | 第37-39页 |
| 4.2.2 深层信念网络的训练方法 | 第39-41页 |
| 4.3 深层玻耳兹曼机的网络结构和训练方法 | 第41-45页 |
| 4.3.1 深层玻耳兹曼机的网络结构 | 第41-42页 |
| 4.3.2 深层玻耳兹曼机的训练方法 | 第42-45页 |
| 4.4 逐层主成分分析框架 | 第45-47页 |
| 4.4.1 基本思想 | 第45页 |
| 4.4.2 方法描述 | 第45-46页 |
| 4.4.3 案例实现 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 实验结果及分析 | 第49-65页 |
| 5.1 实验平台 | 第49页 |
| 5.2 实验数据集 | 第49-50页 |
| 5.3 深层感知器实验 | 第50-53页 |
| 5.3.1 深层感知器的LPCA结构设计实验 | 第50-51页 |
| 5.3.2 深层感知器的GLPCA结构设计实验 | 第51-53页 |
| 5.4 深层自动编码器实验 | 第53-58页 |
| 5.4.1 深层自动编码器的MNIST重构实验 | 第53-55页 |
| 5.4.2 深层自动编码器的ORL重构实验 | 第55-58页 |
| 5.5 深层信念网络实验 | 第58-62页 |
| 5.5.1 深层信念网络的MNIST实验 | 第58-60页 |
| 5.5.2 深层信念网络的ISOLET实验 | 第60-62页 |
| 5.6 深层玻耳兹曼机实验 | 第62-63页 |
| 5.7 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表的学术成果 | 第71-73页 |
| 致谢 | 第73页 |
