声明
摘要
1.1研究背景和意义
1.2国内外研究现状
1.3本文的研究内容和结构
1.4本文的创新点和不足之处
2.1深层神经网络
2.1.1感知机
2.1.2多层感知机
2.1.3非线性激活函数
2.2神经网络的学习
2.2.1损失函数
2.2.2神经网络的优化算法
2.2.3Batch Normalization
2.3卷积神经网络
2.3.1卷积神经网络简介
2.3.2卷积层
2.3.3池化层
第三章使用CNN预测样本的分布并估计其参数
3.1估计方法简介
3.2使用CNN预测样本的分布
3.3 使用CNN估计已知分布的参数
第四章非线性期望简介
4.1非线性期望和非线性分布
4.1.1非线性期望空间
4.1.2随机变量的(非线性)分布与独立性
4.2次线性期望空间中的典型分布和大数定律
4.3关于实际样本数据的非线性分布的φ-max-mean算法
第五章非线性期望下关于参数估计的一些研究
5.1.1关于分组数m和每组样本数n的理论分析
5.1.2关于分组数m和每组样本数n的模拟实验
5.2关于G-正态分布参数估计的新方法
5.2.1关于G-正态分布参数估计的理论研究
5.2.2生成(^F)(x)随机数的方法
5.2.3关于G-正态分布参数估计的模拟实验
6.1总结
6.2展望
参考文献
致谢
山东大学;