基于深度置信网络的分类方法

深度置信网络作为经典的深度学习方法，可以包含较多的隐藏层，更好地学习各种复杂数据的结构和分布。本书从深度置信网络的概念、研究内容和应用出发，提出了一系列基于深度置信网络的分类方法，使用半监督学习和监督学习方法来提升分类性能。另外，将深度学习方法应用到手写中文识别中，提出了基于深层架构的手写识别方法，有效地提升了手写识别正确率。
全书共分为7章。第1章介绍深度置信网络的概念、发展及其研究现状；第2章介绍区分深度置信网络；第3章介绍自适应深度置信网络；第4章介绍量子深度置信网络；第5章介绍主动深度置信网络；第6章介绍主动模糊深度置信网络；第7章介绍基于深层架构的手写识别方法。
本书适合作为高等院校计算机专业高年级本科生、研究生的参考书，同时可供对机器学习比较熟悉并且对深度学习有所了解的广大科技工作者和研究人员参考。

第1章绪论
1.1引言
1.2机器学习方法
1.2.1监督学习方法
1.2.2半监督学习方法
1.3深度学习方法
1.4本书的研究内容
1.5本书的结构安排
第2章区分深度置信网络方法
2.1引言
2.2图像分类
2.3区分深度置信网络
2.3.1半监督学习问题描述
2.3.2区分深度置信网络结构
2.3.3区分深度置信网络的无监督学习方法
2.3.4区分深度置信网络的监督学习方法
2.3.5区分深度置信网络算法流程
2.4区分深度置信网络实验
2.4.1区分深度置信网络实验设置
2.4.2在小规模人工数据集上的实验
2.4.3在中规模图片数据集上的实验
2.4.4在大规模手写数据集上的实验
2.4.5在不同规模和深度的深层架构上的实验
2.5本章小结
第3章自适应深度置信网络方法
3.1引言
3.2自适应深度置信网络
3.2.1监督学习问题描述
3.2.2自适应深度置信网络结构
3.2.3自适应深度置信网络的无监督学习方法
3.2.4自适应深度置信网络的监督学习方法
3.2.5自适应深度置信网络算法流程
3.3自适应深度置信网络实验
3.3.1自适应深度置信网络实验设置
3.3.2在中规模图片数据集上的实验
3.3.3在中规模手写字母数据集上的实验
3.3.4在大规模手写数字数据集上的实验
3.4本章小结
第4章量子深度置信网络方法
4.1引言
4.2量子深度置信网络
4.2.1量子深度置信网络结构
4.2.2量子深度置信网络的监督学习方法
4.2.3量子深度置信网络算法流程
4.3量子深度置信网络实验
4.3.1量子深度置信网络实验设置
4.3.2在小规模花数据集上的实验
4.3.3在小规模诊断数据集上的实验
4.3.4在大规模手写数据集上的实验
4.4本章小结
第5章主动深度置信网络方法
5.1引言
5.2情感分类
5.3主动深度置信网络
5.3.1主动学习问题描述
5.3.2主动深度置信网络的主动学习方法
5.3.3主动深度置信网络算法流程
5.4主动深度置信网络实验
5.4.1主动深度置信网络实验设置
5.4.2主动深度置信网络性能
5.4.3主动学习效果
5.4.4损失函数效果
5.4.5使用不同数量标注数据实验
5.5本章小结
第6章主动模糊深度置信网络方法
6.1引言
6.2模糊深度置信网络
6.2.1模糊深度置信网络结构
6.2.2模糊参数提取
6.2.3模糊深度置信网络算法
6.2.4使用模糊深度置信网络分类
6.3主动模糊深度置信网络
6.3.1主动模糊深度置信网络算法描述
6.3.2使用主动模糊深度置信网络分类
6.4主动模糊深度置信网络实验
6.4.1主动模糊深度置信网络实验设置
6.4.2模糊深度置信网络性能
6.4.3主动模糊深度置信网络性能
6.4.4使用不同数量的标注数据实验
6.4.5本书所提出的各种方法的训练时间
6.5本章小结
第7章基于深度学习的手写中文识别
7.1引言
7.2手写识别
7.3使用深层架构的手写识别系统
7.4手写识别系统中用到的深层架构
7.5手写中文识别实验
7.5.1在HIT-OR3C数据库上的实验
7.5.2在CASIA-OLHWDB1数据库上的实验
7.5.3在SCUT-COUCH2009数据库上的实验
7.6本章小结
结论
参考文献