資源描述：
《基于極速學習機的深度學習在圖像分類上的研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、＇＾辛’。．．＇－索取號忘ｒ＇吉三與ＴＰ１８３碟級：＇公巧．一＇．＇－＂山二心｜＾．Ｖ＊三．＇－＾？巧＇一．、；一／＇諸．．．：０故打皆；辟：ｖ聲■輿＇．＇＇■：■＾．ｒ＾．：＾：．巧護站犧：成斬皆＼．：，?。В牐嘿嵚汓I？讀．轉終乂《．＇—：苗：占黨巧３等霉議弘，氣鱗義鑛蔡鷄Ｂ：＾，主Ａ＾議；１；顯斗學位論文屬議誦謹鷄ｉ｜：：．．Ｐ彎．：：：．別：．巧：：七魏礙去虎遺馬聽：矯：＾．矜私嘴讀；。戰(zhàn)哦：’＇；＇＾．：苦；筵送與潔茲試證：韓為誕裝．乂。把強苗轉詩這懲苗錢魅．．．巧雜徽喊受
2、峨攀ｆ斬璃纖ｆｃ，纖編歡基去．．靡麵疏——、：’＞瑚類．議銷韻證蘇絶襲掌灣擁嚷？繊讓議丫：廣足辦這賀駕＾黎．寒Ｉ祭綜窩＇．、．一—作忠：―：奇巧：．．－Ｌ１，：藥寮聲禱祭，０＾繼：鑛轉＇１議ｉ名于誠學習機的深度學習．１露１｜議１．、－’－＇．．‘．’：；．＾－－一＇－＇’．吝心：＇＾１．如，：Ｍ．＾：：一：＾／心與甲．；知於；：＞．葉；＾；ｉ稱３？款在圖像分類上的研究：繼ｉｌｉｐｉｉ：：．＾氣．皆；．．，：■誠苗華賴藉難每巷黃機礙＾，．．．．．邊器雜鑛ｉｉ義祭議試＇．＇．’‘；．、、〇＾；＾Ｗ：
3、－對：．：．＇：＇：，ｊ：＂‘－嘴齡邸磚財．與解ｒ’：，巧群取戶＾黃絲－遍觀茲＾ｓ驚蒙巧．研究生．讚―曉：去蘇：說線皆霉顯巧心議巧毛式．＇．Ｐ．達．二－．．．―：辭說：’．班墻傲；’古‘占：培—；＇．破‘．：．．茲．曹、苗萬點指導教脈ｒ：．寶香教授審萬鷄拳繫也強璋？豁．．＊．？廷泣晏鄰叟葫杳與Ｖ－；：＾潔；常幕斬．１么站藝琴，？卷．．誓獄靡難鶴縣媒巧軍．，，副研究賞媒哨絡轉興簾每巧惠發(fā)戸：議＾＇；ｆ鑽曰‘．培養(yǎng)單化淆息科學與工程華院巧讀Ｓｉ編Ｐ貞為史菊康．技：．．；＾，呀：；．－；盧片皆蠟盤；斧空藏
4、：、二粗：心啤＇：．．一’級學科衫計算機科學與技術；、二－‘；’殘超Ｖ？Ｉ．．巧詩ｉＴ紅產；．＇與苗祭＞完成時既：，．．Ｖ／：縷豬等蘇萬ｔ．耀６年４月１０目—―：－＇■＇甘：＇．．－薪苗裝心麵姑；帶式絳Ｖ－答辯腫卸：Ｖ２０１６年《月１日＞■■＇－．讀巧巖灘議霄礙懇：■－＇：；．：．，，．：＾：；＃＜：，．：．片章直著貪Ｔ韻辨、強漠韻方＇；＇。｜咕換，．．巧、：帶巧‘．；＇；＾ｆ＇試＊文－如處山，．；摘要摘要隨著信息技術的不斷發(fā)展，以神經網絡為載體的深度學習逐漸成為了現階段各種先進技術的代名
5、詞。神經網絡技術從上世紀出現以后，各種基于神經網絡的模型逐漸用來解決實際場景中的各種問題。特別是在2012年的大規(guī)模圖像分類競賽中，基于深度學習的模型將分類結果提升了11個百分點以后，便促進了現階段深度學習浪潮的形成。深度學習技術將人們從繁雜的人工設計特征轉換成了自動學習有效特征，強化模型抽象學習的能力，極大的促進了圖像識別、圖像檢測、語音識別、追蹤等技術的發(fā)展。極速學習機自從2004年提出以來，在過去的十幾年間，有了長足的發(fā)展。首先各種理論研究的出現為極速學習機的發(fā)展奠定了堅實的基礎，其次基于極速學習機的應用，將其拓展到了真實場景中。不過在極速學習機
6、中，不管從權值初始化還是更為有效的特征表達以及深度學習模型上，都有許多問題需要解決。本文從極速學習機入手，探索了其權值初始化和分布式表達，并且提出并驗證了卷積極速學習機。本文將通過如下三個方面開展：首先，對權值初始化進行了研究，探究了權值初始化對于極速學習機的影響。所提出的方法可以解決極速學習機的隨機特征表達不具有緊湊性和判別性的問題，同時為其他方法提出了一個快速有效的權值初始化的解決方案；其次，對于極速學習機的特征表達進行了研究。分布式表達是特征表達中比較常用的方式，在極速學習機不需要權值調整的前提下，提出了基于極速學習機的分布式特征表達方式，不但可
7、以將類別信息通過特征組合引入模型結構中，而且提高了極速學習機的性能；最后，通過對于全鏈接和卷積神經網絡關聯(lián)的探究，提出了基于分布式表達的卷積極速學習機，將極速學習機從卷積方面拓展到了深度學習層面。卷積學習由于是對于局部感受野的學習，能夠保留更多的局部信息，使其特征表達方式更為具有代表性。極速學習機便通過卷積化的操作，獲得了更為抽象和具有代表性的卷積層特征。這不但將卷積學習和極速學習機進行了融合，而且所提出的結構也取得了非常好的結果。關鍵詞：極速學習機，卷積神經網絡，分布式表達，權值初始化IAbstractAbstractWiththedevelopme
8、ntoftheinformationtechnology,DeepLearningbasedo
