1. 毕业设计（论文）主要内容：
近年来,深度学习已经成为机器学习领域最热门的研究方向之一,其多隐层的神经网络架构有助于深度神经网络进行逐层的特征抽取以形成数据的高层次抽象表示。但是深度神经网络的训练多采用基于梯度的优化方法,其所有的隐含层参数都需要迭代训练。因此，深层网络结构难以以快速的学习速率实现良好的泛化性能。本课题利用超限学习机这一基于随机神经网络隐层权值思想的高效单隐层神经网络训练策略，避免了网络权值的反复迭代调整，提高了计算效率。同时，利用自动编码器的思想，将基于单隐层网络的超限学习机扩展到深度神经网络框架下，构造深度多层超限学习机，并将其应用于MNIST手写体识别数据集中以验证其算法性能。具体内容如下：
（1）单隐层超限学习机的算法实现
（2）深度自动编码器的算法实现
2. 毕业设计（论文）主要任务及要求
（1）通过本课题的训练，培养学生动手能力、分析问题及解决问题的能力；
（2）翻译与本课题相关的英文资料（不少于3000中文字符）；
3. 毕业设计（论文）完成任务的计划与安排
1-2周，完成开题报告和文献翻译，完成开题答辩；
3-4周，掌握超限学习机网络的基本原理及其程序实现；
5-7周，掌握深度神经网络，尤其深度自动编码器的基本原理；
4. 主要参考文献
（1）Jiexiong Tang, Chenwei Deng, and Guang-Bin Huang, Extreme Learning Machine forMultilayer Perceptron. IEEE Transactions on Neural Networks and Learning Systems. 2016, Vol. 27, No. 4, pp. 809 - 821.
（2）G.-B. Huang, H. Zhou, X. Ding, and R. Zhang, Extreme learning machine for regression and multiclass classification,” IEEE Trans. Syst., Man, Cybern. B, Cybern., vol. 42, no. 2, pp. 513–529, Apr. 2012.
（3）G. E. Hinton and R. R. Salakhutdinov, Reducing the dimensionality of data with neural networks, Science, vol. 313, no. 5786, pp. 504–507, 2006.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
