| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 主要研究内容和研究思路 | 第15页 |
| 1.4 结构安排 | 第15-17页 |
| 第2章 深度神经网络理论 | 第17-26页 |
| 2.1 深度信念网模型 | 第17-18页 |
| 2.2 卷积神经网络模型 | 第18页 |
| 2.3 编码器模型 | 第18-25页 |
| 2.3.1 人工神经网络 | 第18-20页 |
| 2.3.2 自动编码器 | 第20-23页 |
| 2.3.3 单层降噪自动编码器 | 第23-25页 |
| 2.3.4 深度降噪自动编码器 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于压缩感知的深度自动编码器 | 第26-36页 |
| 3.1 压缩感知理论 | 第26页 |
| 3.2 基于压缩感知的自动编码器 | 第26-31页 |
| 3.2.1 单层压缩感知自动编码器 | 第26-28页 |
| 3.2.2 压缩感知的深度自动编码器 | 第28-31页 |
| 3.3 实验及其结果分析 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于自适应噪声的边际化深度自动编码器 | 第36-44页 |
| 4.1 边际化深度自动编码器 | 第36-39页 |
| 4.1.1 单层降噪自动编码 | 第36-37页 |
| 4.1.2 单层边际化自动编码器 | 第37-38页 |
| 4.1.3 边际化深度自动编码器 | 第38-39页 |
| 4.2 自适应噪声的边际化深度自动编码器 | 第39-41页 |
| 4.3 实验及其结果分析 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于改进深度神经网络的高速列车车轮磨耗识别 | 第44-58页 |
| 5.1 高速列车车轮轮轨关系 | 第44-46页 |
| 5.1.1 车轮轮对结构 | 第44-45页 |
| 5.1.2 列车轮轨接触状态及影响 | 第45-46页 |
| 5.2 高速列车车轮踏面磨耗实测磨耗数据分析 | 第46-57页 |
| 5.2.1 实测数据 | 第46-47页 |
| 5.2.2 车轮磨耗振动数据分析及结果 | 第47-57页 |
| 5.3 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 论文主要工作总结 | 第58-59页 |
| 有待研究的问题 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的学术论文、专利和参与的项目 | 第66页 |