深度置信網絡作為經典的深度學習方法,可以包含較多的隱藏層,*好地學習各種復雜數據的結構和分布。由周樹森*的《基于深度置信網絡的分類方法》從深度置信網絡的概念、研究內容和應用出發,提出了一系列基于深度置信網絡的分類方法,使用半監督學習和監督學習方法來提升分類性能。另外,將深度學習方法應用到手寫中文識別中,提出了基于深層架構的手寫識別方法,有效地提升了手寫識別正確率。
全書共分為7章。第1章介紹深度置信網絡的概念、發展及其研究現狀;第2章介紹區分深度置信網絡;第3章介紹自適應深度置信網絡;第4章介紹量子深度置信網絡;第5章介紹主動深度置信網絡;第6章介紹主動模糊深度置信網絡;第7章介紹基于深層架構的手寫識別方法。
本書適合作為高等院校計算機專業高年級本科生、研究生的參考書,同時可供對機器學習比較熟悉并且對深度學習有所了解的廣大科技工作者和研究人員參考。
第1章 緒論
1.1 引言
1.2 機器學習方法
1.2.1 監督學習方法
1.2.2 半監督學習方法
1.3 深度學習方法
1.4 本書的研究內容
1.5 本書的結構安排
第2章 區分深度置信網絡方法
2.1 引言
2.2 圖像分類
2.3 區分深度置信網絡
2.3.1 半監督學習問題描述
2.3.2 區分深度置信網絡結構
2.3.3 區分深度置信網絡的無監督學習方法
2.3.4 區分深度置信網絡的監督學習方法
2.3.5 區分深度置信網絡算法流程
2.4 區分深度置信網絡實驗
2.4.1 區分深度置信網絡實驗設置
2.4.2 在小規模人工數據集上的實驗
2.4.3 在中規模圖片數據集上的實驗
2.4.4 在大規模手寫數據集上的實驗
2.4.5 在不同規模和深度的深層架構上的實驗
2.5 本章小結
第3章 自適應深度置信網絡方法
3.1 引言
3.2 自適應深度置信網絡
3.2.1 監督學習問題描述
3.2.2 自適應深度置信網絡結構
3.2.3 自適應深度置信網絡的無監督學習方法
3.2.4 自適應深度置信網絡的監督學習方法
3.2.5 自適應深度置信網絡算法流程
3.3 自適應深度置信網絡實驗
3.3.1 自適應深度置信網絡實驗設置
3.3.2 在中規模圖片數據集上的實驗
3.3.3 在中規模手寫字母數據集上的實驗
3.3.4 在大規模手寫數字數據集上的實驗
3.4 本章小結
第4章 量子深度置信網絡方法
4.1 引言
4.2 量子深度置信網絡
4.2.1 量子深度置信網絡結構
4.2.2 量子深度置信網絡的監督學習方法
4.2.3 量子深度置信網絡算法流程
4.3 量子深度置信網絡實驗
4.3.1 量子深度置信網絡實驗設置
4.3.2 在小規模花數據集上的實驗
4.3.3 在小規模診斷數據集上的實驗
4.3.4 在大規模手寫數據集上的實驗
4.4 本章小結
第5章 主動深度置信網絡方法
5.1 引言
5.2 情感分類
5.3 主動深度置信網絡
5.3.1 主動學習問題描述
5.3.2 主動深度置信網絡的主動學習方法
5.3.3 主動深度置信網絡算法流程
5.4 主動深度置信網絡實驗
5.4.1 主動深度置信網絡實驗設置
5.4.2 主動深度置信網絡性能
5.4.3 主動學習效果
5.4.4 損失函數效果
5.4.5 使用不同數量標注數據實驗
5.5 本章小結
第6章 主動模糊深度置信網絡方法
6.1 引言
6.2 模糊深度置信網絡
6.2.1 模糊深度置信網絡結構
6.2.2 模糊參數提取
6.2.3 模糊深度置信網絡算法
6.2.4 使用模糊深度置信網絡分類
6.3 主動模糊深度置信網絡
6.3.1 主動模糊深度置信網絡算法描述
6.3.2 使用主動模糊深度置信網絡分類
6.4 主動模糊深度置信網絡實驗
6.4.1 主動模糊深度置信網絡實驗設置
6.4.2 模糊深度置信網絡性能
6.4.3 主動模糊深度置信網絡性能
6.4.4 使用不同數量的標注數據實驗
6.4.5 本書所提出的各種方法的訓練時間
6.5 本章小結
第7章 基于深度學習的手寫中文識別
7.1 引言
7.2 手寫識別
7.3 使用深層架構的手寫識別系統
7.4 手寫識別系統中用到的深層架構
7.5 手寫中文識別實驗
7.5.1 在HIT-OR3C數據庫上的實驗
7.5.2 在CASIA-OLHWDBl數據庫上的實驗
7.5.3 在SCUT-COUCH2009數據庫上的實驗
7.6 本章小結
結論
參考文獻