声明
第一章 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要研究工作
1.4 论文组织结构
第二章 深度置信网络及优化算法
2.1 深度学习
2.1.1人工神经网络
2.1.2 卷积神经网络
2.2 深度置信网络
2.3 梯度下降
2.4 演化策略
2.5 本章小结
第三章 基于可抛的深度置信网络图像分类
3.1 受限玻尔兹曼机
3.2可抛堆叠受限玻尔兹曼机及分类网络
3.3全局-局部的改进演化-梯度下降算法
3.4 总体流程
3.5本章小结
第四章 实验方法及实验分析
4.1 数据集及参数设置方法
4.1.1数据集
4.1.2 参数设置
4.2 实验结果及分析
4.3本章小结
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
附录