深度信念网络研究及其应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 浅层学习基本模型 | 第10-11页 |
| 1.2 深度信念网络概念介绍 | 第11-12页 |
| 1.3 研究进展 | 第12-13页 |
| 1.4 主要研究内容和创新点 | 第13-15页 |
| 2 相关性分析 | 第15-26页 |
| 2.1 基于浅层学习的相关性分析 | 第15-22页 |
| 2.1.1 线性相关性分析 | 第15-19页 |
| 2.1.2 非线性相关性分析 | 第19-22页 |
| 2.2 基于深度学习的相关性分析 | 第22-26页 |
| 3 基于概率分布的DBN学习规则的改进 | 第26-33页 |
| 3.1 DBN逐层无监督学习规则的改进 | 第26-29页 |
| 3.1.1 RBM学习规则的研究 | 第26-28页 |
| 3.1.2 基于分布的核CRBM学习规则的改进 | 第28-29页 |
| 3.2 DBN监督学习规则的改进 | 第29-33页 |
| 3.2.1 在线学习和随机梯度下降法的研究 | 第30-31页 |
| 3.2.2 基于分布的核的学习规则的改进 | 第31-33页 |
| 4 DBN在汇率预测应用研究 | 第33-42页 |
| 4.1 模型框架 | 第33-34页 |
| 4.2 实验分析 | 第34-39页 |
| 4.2.1 数据准备 | 第34-35页 |
| 4.2.2 确定DBN结构 | 第35-39页 |
| 4.3 实验结果分析 | 第39-42页 |
| 5 总结与展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 附录 | 第48页 |
