深度网络模型构建及学习算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-21页 |
| 1.1 课题研究背景及意义 | 第17-18页 |
| 1.2 深度学习研究现状 | 第18-19页 |
| 1.3 本文结构安排 | 第19-21页 |
| 第二章 深度学习理论基础 | 第21-31页 |
| 2.1 人脑视觉机理 | 第21-22页 |
| 2.2 特征的表示 | 第22-23页 |
| 2.2.1 特征的形成 | 第22页 |
| 2.2.2 特征表示 | 第22-23页 |
| 2.3 深度网络的构建 | 第23-24页 |
| 2.3.1 浅层学习和深度学习 | 第23页 |
| 2.3.2 深度学习的基本思想 | 第23-24页 |
| 2.4 深度网络常用模型 | 第24-28页 |
| 2.4.1 自编码器 | 第24-25页 |
| 2.4.2 限制玻尔兹曼机 | 第25-26页 |
| 2.4.3 深度置信网络 | 第26-27页 |
| 2.4.4 卷积神经网络 | 第27-28页 |
| 2.5 深度网络学习算法 | 第28-30页 |
| 2.5.1 贪婪算法 | 第28-29页 |
| 2.5.2 反向传播算法 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 混沌模拟退火深度网络模型及学习算法 | 第31-53页 |
| 3.1 混沌模拟退火深度网络学习算法 | 第31-35页 |
| 3.1.1 模拟退火算法 | 第31-32页 |
| 3.1.2 混沌优化搜索 | 第32-34页 |
| 3.1.3 混沌模拟退火深度网络学习算法 | 第34-35页 |
| 3.2 深度小波网络的构建 | 第35-37页 |
| 3.2.1 小波变换原理与应用 | 第35-36页 |
| 3.2.2 深度小波网络构建 | 第36-37页 |
| 3.3 混沌模拟退火自编码网络 | 第37-40页 |
| 3.3.1 混沌模拟退火自编码网络模型构建 | 第38页 |
| 3.3.2 混沌模拟退火自编码网络学习算法 | 第38-40页 |
| 3.4 混沌模拟退火深度小波网络 | 第40-42页 |
| 3.4.1 混沌模拟退火深度小波网络模型构建 | 第40页 |
| 3.4.2 混沌模拟退火深度小波网络学习算法 | 第40-42页 |
| 3.5 实验结果与分析 | 第42-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第四章 基于知识的深度网络模型及学习算法 | 第53-69页 |
| 4.1 知识表示方法 | 第53-54页 |
| 4.1.1 知识表示 | 第53-54页 |
| 4.1.2 极化SAR数据的知识表示方法 | 第54页 |
| 4.2 基于知识的深度网络模型构建 | 第54-55页 |
| 4.3 知识自编码网络 | 第55-57页 |
| 4.3.1 知识自编码网络模型构建 | 第55页 |
| 4.3.2 知识自编码网络学习算法 | 第55-57页 |
| 4.4 知识深度小波网络 | 第57-59页 |
| 4.4.1 知识深度小波网络模型构建 | 第57-58页 |
| 4.4.2 知识深度小波网络学习算法 | 第58-59页 |
| 4.5 实验结果与分析 | 第59-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第五章 PSO深度网络模型及学习算法 | 第69-89页 |
| 5.1 PSO自编码网络 | 第69-72页 |
| 5.1.1 PSO算法 | 第69-70页 |
| 5.1.2 PSO自编码网络 | 第70-72页 |
| 5.2 自适应PSO自编码网络 | 第72-74页 |
| 5.2.1 自适应PSO算法 | 第72页 |
| 5.2.2 自适应PSO自编码网络模型构建 | 第72-73页 |
| 5.2.3 自适应PSO自编码网络学习算法 | 第73-74页 |
| 5.3 正交PSO自编码网络 | 第74-78页 |
| 5.3.1 正交试验设计 | 第74-76页 |
| 5.3.2 正交PSO自编码网络模型构建 | 第76页 |
| 5.3.3 正交PSO自编码网络学习算法 | 第76-78页 |
| 5.4 量子PSO自编码网络 | 第78-81页 |
| 5.4.1 量子PSO | 第78-79页 |
| 5.4.2 量子PSO自编码网络模型构建 | 第79-80页 |
| 5.4.3 量子PSO自编码网络学习算法 | 第80-81页 |
| 5.5 模拟退火PSO自编码网络 | 第81-83页 |
| 5.5.1 模拟退火PSO自编码网络模型构建 | 第81-82页 |
| 5.5.2 模拟退火PSO自编码网络学习算法 | 第82-83页 |
| 5.6 实验结果与分析 | 第83-88页 |
| 5.7 本章小结 | 第88-89页 |
| 第六章 结论与讨论 | 第89-93页 |
| 6.1 本文的创新之处 | 第89-90页 |
| 6.2 目前存在的主要问题 | 第90页 |
| 6.3 进一步的研究方向 | 第90-93页 |
| 参考文献 | 第93-97页 |
| 致谢 | 第97-99页 |
| 作者简介 | 第99-100页 |
