| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 第二章 相关背景知识介绍 | 第12-20页 |
| 2.1 深度神经网路 | 第12-15页 |
| 2.1.1 人工神经网络技术 | 第12-13页 |
| 2.1.2 深度学习介绍 | 第13-15页 |
| 2.2 中央空调系统介绍 | 第15-18页 |
| 2.2.1 中央空调系统的相关工作原理 | 第15-16页 |
| 2.2.2 中央空调系统功能设计 | 第16-18页 |
| 2.3 本章小结 | 第18-20页 |
| 第三章 基于CNNs自编码器的参数特征提取算法的研究 | 第20-31页 |
| 3.1 引言 | 第20页 |
| 3.2 数据特征提取 | 第20-27页 |
| 3.2.1 数据降维 | 第20-22页 |
| 3.2.2 神经网络自编码器 | 第22-24页 |
| 3.2.3 基于CNNs的自编码特征提取。 | 第24-27页 |
| 3.3 实验结果与分析 | 第27-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第四章 基于深度学习的自适应控制模块设计 | 第31-41页 |
| 4.1 引言 | 第31页 |
| 4.2 空调控制相关参数的获取以及预处理 | 第31-34页 |
| 4.2.1 监控图像数据采集与预处理 | 第32-33页 |
| 4.2.2 温度参数采集与预处理 | 第33-34页 |
| 4.3 基于CNNs的室内人物检测的空调节能控制 | 第34-37页 |
| 4.4 基于RNNs的室内外场景温度参数的室温调节控制 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于神经网络技术的中央空调控制技术的实验研究 | 第41-55页 |
| 5.1 引言 | 第41页 |
| 5.2 室内场景人物检测模型的实验设计与分析 | 第41-51页 |
| 5.2.1 基于CNNs的实验设计与分析 | 第43-49页 |
| 5.2.2 与Adaboost分类器的对比实验设计与分析 | 第49-51页 |
| 5.3 基于RNNs的中央空调温度控制的实验设计与分析 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
