第一个书签之前
1 绪 论
1.1 研究背景与研究意义
1.1.1 深度学习的研究背景与研究意义
1.1.2 温度推测的研究背景与研究意义
1.2 研究现状
1.2.1 深度学习的研究现状
1.2.2 温度推测的研究现状
1.3 研究内容
2 无监督学习模型
2.1 RBM
2.2 DBN
2.3 DBM
2.4 AE
2.5 SAE
2.6 DAE
2.7 SDAE
3 监督学习模型
3.1 CNN
3.2 RNN
3.3 DSN
4 深度学习典型模型对比及在MNIST数据集上的实验
4.1 深度学习典型模型对比
4.2 MNIST数据集与实验参数设计
4.3 实验结果分析
4.3.3 学习率和epoch对CNN的影响
5 NN模型在温度推测中的应用
5.1 数据准备
5.2 性能评价指标
5.3不同参数及策略下的温度推测
5.3.1 隐层神经元个数对NN模型的性能影响
5.3.2 隐层层数对NN模型的性能影响
5.3.3 权重衰减策略对NN模型的性能影响
5.3.4 dropout技术对NN模型的性能影响
6 DBN、SDAE和CNN模型在温度推测中的应用
6.1 DBN模型在温度推测中的应用
6.1.1 隐层神经元个数对DBN模型的性能影响
6.1.2 隐层层数对DBN模型的性能影响
6.2 SDAE模型在温度推测中的应用
6.2.1 隐层神经元个数对SDAE模型的性能影响
6.2.2 隐层层数对SDAE模型的性能影响
6.3 CNN模型在温度推测中的应用
6.4 典型模型在温度推测中的结果对比
7 总结与展望
7.1 总结
7.2 展望
参考文献
攻读硕士期间发表的学术论文及成果