| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 深度学习网络研究现状 | 第12-13页 |
| 1.2.2 计算机科学中相变问题研究现状 | 第13-14页 |
| 1.2.3 迁移学习国内外研究现状 | 第14-15页 |
| 1.3 本文主要贡献 | 第15-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第二章 背景知识介绍 | 第17-35页 |
| 2.1 引言 | 第17页 |
| 2.2 深度学习网络 | 第17-27页 |
| 2.2.1 DeSTIN网络 | 第17-20页 |
| 2.2.2 其他几种深度学习网络 | 第20-27页 |
| 2.2.3 Destin网络和其他深度网络的区别 | 第27页 |
| 2.3 相变现象 | 第27-30页 |
| 2.3.1 SAT问题中的相变现象 | 第27-28页 |
| 2.3.2 TSP问题中的相变现象 | 第28-29页 |
| 2.3.3 神经网络中的相变现象 | 第29-30页 |
| 2.4 迁移学习 | 第30-34页 |
| 2.5 小结 | 第34-35页 |
| 第三章 DeSTIN网络中的相变现象 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 DeSTIN网络的聚类算法 | 第35-37页 |
| 3.3 Winner-Take-All算法 | 第37-39页 |
| 3.4 空闲聚类中心 | 第39-41页 |
| 3.5 DeSTIN网络中的相变现象 | 第41-44页 |
| 3.6 小结 | 第44-45页 |
| 第四章 DeSTIN网络中的相变现象实验 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 场景识别实验 | 第45-47页 |
| 4.3 实验结果分析 | 第47-50页 |
| 4.4 手写体识别实验 | 第50-53页 |
| 4.5 小结 | 第53-55页 |
| 第五章 优化DeSTN网络的抗噪性能 | 第55-67页 |
| 5.1 引言 | 第55页 |
| 5.2 传统滤波降噪方法提高DeSTN网络抗噪性能 | 第55-59页 |
| 5.3 利用迁移学习方法提高DeSTN网络的抗噪性能 | 第59-64页 |
| 5.4 分析 | 第64-65页 |
| 5.5 小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 附录 攻读硕士学位期间发表的论文 | 第77页 |