跨领域的终身机器学习算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 终身机器学习算法研究现状 | 第12-15页 |
| 1.2.1 有监督学习 | 第12-14页 |
| 1.2.2 无监督学习 | 第14-15页 |
| 1.2.3 强化学习 | 第15页 |
| 1.3 终身机器学习算法的难点 | 第15-16页 |
| 1.4 论文的主要工作及结构 | 第16-18页 |
| 1.4.1 论文的主要工作 | 第16-17页 |
| 1.4.2 论文的组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 终身机器学习相关知识 | 第19-28页 |
| 2.1 终身机器学习问题 | 第19页 |
| 2.2 终身机器学习系统 | 第19-21页 |
| 2.3 终身机器学习算法 | 第21-26页 |
| 2.3.1 基于任务聚类的终身机器学习算法 | 第21-23页 |
| 2.3.2 基于多任务神经网络的终身机器学习算法 | 第23-24页 |
| 2.3.3 基于GO-MTL的终身机器学习算法 | 第24-25页 |
| 2.3.4 基于判别表示的终身机器学习算法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于流形嵌入的终身机器学习算法 | 第28-45页 |
| 3.1 引言 | 第28-29页 |
| 3.2 流形和流形学习相关知识 | 第29-31页 |
| 3.2.1 流形 | 第29-30页 |
| 3.2.2 流形学习 | 第30-31页 |
| 3.3 基于流形嵌入的终身机器学习算法 | 第31-35页 |
| 3.3.1 生成测地线流 | 第31-33页 |
| 3.3.2 选择最优生成子空间作为共用投影子空间 | 第33页 |
| 3.3.3 模型学习 | 第33-35页 |
| 3.4 实验结果及分析 | 第35-43页 |
| 3.4.1 数据库描述 | 第35-37页 |
| 3.4.2 实验评估方法 | 第37-39页 |
| 3.4.3 实验结果以及结果分析 | 第39-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于自动编码机的终身机器学习算法 | 第45-59页 |
| 4.1 引言 | 第45页 |
| 4.2 自动编码机 | 第45-49页 |
| 4.2.1 原始的自动编码机 | 第47页 |
| 4.2.2 正则化的自动编码机 | 第47-48页 |
| 4.2.3 降噪自动编码机 | 第48-49页 |
| 4.3 基于自动编码机的终身机器学习算法 | 第49-52页 |
| 4.4 实验结果及分析 | 第52-58页 |
| 4.4.1 数据库描述 | 第52-53页 |
| 4.4.2 实验评估方法 | 第53页 |
| 4.4.3 实验结果及结果分析 | 第53-58页 |
| 4.5 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |
