| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 本文主要工作及章节安排 | 第15-16页 |
| 第2章 相关理论 | 第16-25页 |
| 2.1 基础理论 | 第16-20页 |
| 2.1.1 激活函数 | 第16-18页 |
| 2.1.2 神经网络的梯度求导 | 第18-19页 |
| 2.1.3 梯度消失 | 第19-20页 |
| 2.1.4 方差和偏差 | 第20页 |
| 2.2 自动编码器 | 第20-22页 |
| 2.3 卷积神经网络 | 第22-25页 |
| 第3章 自动编码器预训练卷积神经网络 | 第25-32页 |
| 3.1 卷积神经网络的方差和偏差 | 第25页 |
| 3.2 卷积神经网络的梯度消失 | 第25-26页 |
| 3.3 稀疏自动编码器设计 | 第26-27页 |
| 3.4 预训练方案设计 | 第27-28页 |
| 3.5 初始化卷积层 | 第28-30页 |
| 3.5.1 初始化第一层卷积层 | 第28-29页 |
| 3.5.2 初始化其他卷积层 | 第29-30页 |
| 3.6 初始化全连接层 | 第30-32页 |
| 第4章 方案实现与分析 | 第32-43页 |
| 4.1 实验数据集 | 第32-33页 |
| 4.2 实验探讨的问题 | 第33页 |
| 4.3 实验采用的网络结构 | 第33-34页 |
| 4.4 实验分析 | 第34-43页 |
| 4.4.1 不采用反向微调 | 第34页 |
| 4.4.2 采用反向微调 | 第34-37页 |
| 4.4.3 稀疏初始化 | 第37-40页 |
| 4.4.4 复杂和简单网络结构分析 | 第40-41页 |
| 4.4.5 时效分析 | 第41-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 致谢 | 第50-51页 |
| 附录A 攻读学位期间发表的学术论文、获得的软件著作权及参与的项目 | 第51页 |