智能大數(shù)據(jù)與深度學習

目 錄
第一部分 理 論 方 法
第1章 增強型深度學習神經網絡\t2
1．1 基于頂層生成深度學習的數(shù)據(jù)轉換方法和系統(tǒng)\t2
1．1．1 研究現(xiàn)狀\t3
1．1．2 基于頂層生成深度學習的數(shù)據(jù)轉換方法\t4
1．1．3 基于頂層生成深度學習的數(shù)據(jù)轉換系統(tǒng)\t7
1．2 基于雙向深度學習的數(shù)據(jù)對應關系判斷、生成方法和系統(tǒng)\t9
1．2．1 研究現(xiàn)狀\t10
1．2．2 基于雙向深度學習的數(shù)據(jù)對應關系判斷、生成方法\t11
1．2．3 基于雙向深度學習的數(shù)據(jù)對應關系判斷、生成系統(tǒng)\t28
第2章 高效智能型深度學習神經網絡\t37
2．1 精簡輸入的深度學習方法和系統(tǒng)\t37
2．1．1 研究現(xiàn)狀\t37
2．1．2 精簡輸入的深度學習方法\t38
2．1．3 精簡輸入的深度學習系統(tǒng)\t48
2．2 基于數(shù)據(jù)分割的深度學習方法和系統(tǒng)\t50
2．2．1 研究現(xiàn)狀\t50
2．2．2 基于數(shù)據(jù)分割的深度學習方法\t51
2．2．3 基于數(shù)據(jù)分割的深度學習系統(tǒng)\t57
第3章 動態(tài)智能型深度學習神經網絡\t60
3．1 基于有向圖的深度學習構建方法和系統(tǒng)\t60
3．1．1 研究現(xiàn)狀\t60
3．1．2 基于有向圖的深度學習構建方法\t61
3．1．3 基于有向圖的深度學習構建系統(tǒng)\t70
3．2 深度學習神經網絡訓練及層數(shù)調整方法和系統(tǒng)\t72
3．2．1 研究現(xiàn)狀\t72
3．2．2 深度學習神經網絡訓練及層數(shù)調整方法\t74
3．2．3 深度學習神經網絡訓練及層數(shù)調整系統(tǒng)\t80
第二部分 應 用 實 踐
第4章 深度學習的大數(shù)據(jù)智能計算應用\t86
4．1 基于大數(shù)據(jù)與深度學習的信息隱藏、提取方法和系統(tǒng)\t86
4．1．1 研究現(xiàn)狀\t86
4．1．2 基于大數(shù)據(jù)與深度學習的信息隱藏、提取方法\t89
4．1．3 基于大數(shù)據(jù)與深度學習的信息隱藏、提取系統(tǒng)\t102
4．2 基于大數(shù)據(jù)與深度學習的婚戀對象匹配數(shù)據(jù)處理方法和系統(tǒng)\t108
4．2．1 研究現(xiàn)狀\t108
4．2．2 基于大數(shù)據(jù)與深度學習的婚戀對象匹配數(shù)據(jù)處理方法\t109
4．2．3 基于大數(shù)據(jù)與深度學習的婚戀對象匹配數(shù)據(jù)處理系統(tǒng)\t120
第5章 深度學習的大數(shù)據(jù)智能診斷應用\t123
5．1 基于深度學習的面向自動診斷的醫(yī)療數(shù)據(jù)處理方法和系統(tǒng)\t123
5．1．1 研究現(xiàn)狀\t124
5．1．2 基于深度學習的面向自動診斷的醫(yī)療數(shù)據(jù)處理方法\t124
5．1．3 基于深度學習的面向自動診斷的醫(yī)療數(shù)據(jù)處理系統(tǒng)\t126
5．2 基于雙深度學習的數(shù)據(jù)處理方法和疾病診斷裝置\t132
5．2．1 研究現(xiàn)狀\t132
5．2．2 基于雙深度學習的數(shù)據(jù)處理方法\t133
5．2．3 基于雙深度學習的疾病診斷裝置\t145
第6章 深度學習的大數(shù)據(jù)智能預測應用\t148
6．1 基于大數(shù)據(jù)與深度學習的氣象預報方法和系統(tǒng)\t148
6．1．1 研究現(xiàn)狀\t148
6．1．2 基于大數(shù)據(jù)與深度學習的氣象預報方法\t149
6．1．3 基于大數(shù)據(jù)與深度學習的氣象預報系統(tǒng)\t155
6．2 基于大數(shù)據(jù)與深度學習的用戶數(shù)據(jù)處理方法和系統(tǒng)\t157
6．2．1 研究現(xiàn)狀\t157
6．2．2 基于大數(shù)據(jù)與深度學習的用戶數(shù)據(jù)處理方法\t158
6．2．3 基于大數(shù)據(jù)與深度學習的用戶數(shù)據(jù)處理系統(tǒng)\t175
結束語\t181
參考文獻\t182