声明
摘要
第一章 绪论
1.1 目的与意义
1.2 国内外研究现状
1.2.1 机器学习概述
1.2.2 深度学习最新进展
1.3 论文组织结构
1.3.1 本文主要贡献
1.3.2 组织结构
1.4 本章小结
第二章 受限玻尔兹曼机模型及学习算法
2.1 RBM模型
2.2 RBM模型训练算法
2.2.1 对比散度算法
2.2.2 RBM的训练算法
2.3 RBM模型学习评估
2.4 本章小结
第三章 DBN网络模型与迭代策略
3.1 DBN网络模型介绍
3.2 网络模型训练过程与流程
3.3 网络模型的特征学习算法
3.4 学习迭代策略
3.5 本章小结
第四章 DBN学习算法改进及分析
4.1 基于T-RBM的DBN学习算法改进
4.1.1 改进学习算法动机
4.1.2 改进学习算法描述
4.2 基于BP算法DBN模型迭代策略
4.2.1 改进算法分析
4.2.2 改进算法描述
4.3 实验结果
4.4 本章小结
第五章 半监督DBN深度网络学习算法
5.1 半监督学习算法
5.1.1 半监督支持向量机
5.1.2 pHash算法
5.1.3 k-近邻(KNN)算法
5.2 引入半监督学习方式的DBN网络模型
5.2.1 前提条件
5.2.2 半监督的DBN网络模型
5.3 实验结果
5.4 本章小结
第六章 结束语
6.1 本文主要贡献
6.2 进一步研究工作
参考文献
致谢
研究成果及发表的论文
作者与导师简介