| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 混合神经网络技术 | 第12页 |
| 1.2.2 神经网络算法的MapReduce化 | 第12-13页 |
| 1.2.3 深度学习在Hadoop上的实现 | 第13-15页 |
| 1.2.4 实验室研究成果 | 第15页 |
| 1.3 研究目标及内容 | 第15-16页 |
| 1.4 本文组织架构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 混合神经网络基本理论概述 | 第18-30页 |
| 2.1 人工神经网络概述 | 第18-22页 |
| 2.1.1 BP神经网络 | 第19-20页 |
| 2.1.2 RBF神经网络 | 第20页 |
| 2.1.3 卷积神经网络 | 第20-21页 |
| 2.1.4 深度信念网络 | 第21-22页 |
| 2.1.5 卷积深度信念网络 | 第22页 |
| 2.1.6 混合神经网络 | 第22页 |
| 2.2 基于网格的混合神经网络计算平台 | 第22-28页 |
| 2.2.1 实验室网格系统 | 第22-25页 |
| 2.2.2 混合神经网络库 | 第25-27页 |
| 2.2.3 HNetCP | 第27-28页 |
| 2.3 云计算与网格计算的比较 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 分布式系统基础架构Hadoop | 第30-39页 |
| 3.1 Hadoop概述 | 第30-31页 |
| 3.2 分布式文件系统HDFS | 第31-33页 |
| 3.3 MapReduce编程模型 | 第33-34页 |
| 3.4 基于Hadoop的Eclipse集成开发环境 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于Hadoop平台的神经网络并行化实现 | 第39-47页 |
| 4.1 BP神经网络算法的MapReduce并行实现 | 第39-41页 |
| 4.1.1 BP网络的Map阶段 | 第39-40页 |
| 4.1.2 BP网络的Reduce阶段 | 第40-41页 |
| 4.1.3 BP网络的Combine阶段 | 第41页 |
| 4.1.4 驱动函数 | 第41页 |
| 4.2 卷积神经网络算法的MapReduce并行实现 | 第41-43页 |
| 4.2.1 CNN网络的Map阶段 | 第41-42页 |
| 4.2.2 CNN网络的Reduce阶段 | 第42-43页 |
| 4.2.3 CNN网络的Combine阶段 | 第43页 |
| 4.2.4 驱动函数 | 第43页 |
| 4.3 实验与分析 | 第43-46页 |
| 4.3.1 实验环境 | 第43-44页 |
| 4.3.2 实验设计与实现 | 第44-45页 |
| 4.3.3 实验结果分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于Hadoop的RBF网络与人脸识别应用 | 第47-57页 |
| 5.1 人脸特征提取 | 第47-49页 |
| 5.1.1 主成分分析 | 第47-48页 |
| 5.1.2 线性判别分析 | 第48-49页 |
| 5.2 特征提取算法的并行化实现 | 第49-50页 |
| 5.2.1 PCA的MapReduce并行化实现 | 第49页 |
| 5.2.2 LDA的MapReduce并行化实现 | 第49-50页 |
| 5.3 RBF神经网络算法的MapReduce并行实现 | 第50-53页 |
| 5.3.1 采用监督学习算法训练网络参数 | 第50-53页 |
| 5.3.2 采用自组织学习算法训练网络参数 | 第53页 |
| 5.4 实验设计与结果分析 | 第53-56页 |
| 5.4.1 实验设计与实现 | 第53-55页 |
| 5.4.2 实验结果分析 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 基于Hadoop平台的深度信念网络研究 | 第57-73页 |
| 6.1 深度信念网络的结构及原理 | 第57-59页 |
| 6.1.1 受限玻尔兹曼机 | 第57-58页 |
| 6.1.2 深度信念网络 | 第58-59页 |
| 6.2 DBN训练的MapReduce并行化实现 | 第59-64页 |
| 6.2.1 RBM训练的MapReduce并行化实现 | 第59-62页 |
| 6.2.2 BP算法微调DBN | 第62-63页 |
| 6.2.3 DBN训练并行化实现 | 第63-64页 |
| 6.3 实验设计与结果分析 | 第64-67页 |
| 6.3.1 实验设计与实现 | 第64-65页 |
| 6.3.2 实验结果分析 | 第65-67页 |
| 6.4 深度神经网络研究 | 第67-71页 |
| 6.4.1 深度神经网络实验思路 | 第67页 |
| 6.4.2 利用深度神经网络还原图像 | 第67-68页 |
| 6.4.3 网络深度对实验结果的影响 | 第68-71页 |
| 6.4.4 神经元数量对实验结果的影响 | 第71页 |
| 6.5 本章小结 | 第71-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |
