基于深度学习的自组织分类算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.4 研究内容及创新点 | 第14-15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 第2章 深度学习及自组织分类理论和算法基础 | 第16-24页 |
| 2.1 引言 | 第16-18页 |
| 2.2 神经网络概述 | 第18-21页 |
| 2.2.1 感知机 | 第18-19页 |
| 2.2.2 前馈型神经网络训练方法 | 第19-20页 |
| 2.2.3 反馈型神经网络训练方法 | 第20-21页 |
| 2.3 限制波尔兹曼机 | 第21页 |
| 2.4 深信度网络 | 第21-22页 |
| 2.5 自组织映射网络 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于深度学习的自组织分类算法 | 第24-34页 |
| 3.1 引言 | 第24-25页 |
| 3.2 自组织分类算法模型 | 第25-26页 |
| 3.3 算法基础 | 第26-29页 |
| 3.3.1 对比散度算法与Gibbs采样 | 第26-28页 |
| 3.3.2 过拟合和dropout方法 | 第28页 |
| 3.3.3 Mini-batch算法 | 第28-29页 |
| 3.4 模型训练及验证算法 | 第29-32页 |
| 3.4.1 模型训练 | 第29-32页 |
| 3.4.2 模型验证 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 实验及结果 | 第34-43页 |
| 4.1 引言 | 第34-35页 |
| 4.2 数据集 | 第35-36页 |
| 4.3 实验模型及结果分析 | 第36-41页 |
| 4.3.1 联想生成结果分析 | 第37-39页 |
| 4.3.2 自组织分类结果分析 | 第39-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 结论与展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 作者简介及在学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |
