声明
致谢
1 绪论
1.1 背景与意义(Background and Significance)
1.2 国内外研究现状(Research Status at Home and Abroad)
1.3 本文的主要研究内容和组织结构(Main Contents and Organization)
2基础理论
2.1 RBM基础理论(Basic Theory of RBM)
2.2 RBM相关变种算法(Related RBM Vartants)
2.3 以RBM为基础的深度网络(Deep Networks Based on RBM)
2.4 ELM基础理论(Basic Theory of ELM)
2.5 ELM-AE 与 ML-ELM 网络模型(ELM-AE and ML-ELM Network Models)
2.6 小结(Summary)
3基于干净数据与噪声数据的Point-wise Gated深度网络研究
3.1 引言(Introduction)
3.2 Point-wise Gated 深度网络研究(Research on Point-wise Gated Deep Networks)
3.3 基于噪声数据与干净数据的Point-wise Gated深度置信网络模型(Research on Point-wise Gated Deep Networks Based on Noisy Data and Clean Data)
3.4 小结(Summary)
4 鲁棒尖峰和平板深度玻尔兹曼机网络在图像修复上应用研究
4.1引言(Introduction)
4.2 鲁棒尖峰和平板深度玻尔兹曼机网络模型(Robust Spike-and-Slab Deep Boltzmann Machines)
4.3 实验分析(Experimental Results and Analysis)
4.4小结(Summary)
5面向多视图数据的受限玻尔兹曼机网络研究
5.1 引言(Introduction)
5.2 后验一致性受限玻尔兹曼机网络(Restricted Boltzmann Machines with Posterior Consistency)
5.3 后验一致性和领域适应受限玻尔兹曼机网络(RBMs with Posterior Consistency and Domain Adaptive)
5.4 实验分析(Experimental Analysis)
5.5 小结(Summary)
6 多层极速学习机网络在半监督学习与多标签学习上的应用研究
6.1 引言(Introduction)
6.2 多层极速学习机网络在半监督学习上的应用(Multi-layer Extreme Learning Machines for Semi-supervised Learning)
6.3 多层极速学习机网络在多标签学习上的应用 (Multi-layer Extreme Learning Machines for Multi-label Learning)
6.4 小结(Summary)
7 总结与展望
7.1 总结(Conclusions)
7.2 展望(Prospects)
参考文献
作者简历
学位论文数据集
中国矿业大学;
中国矿业大学(江苏);