MỤC LỤC

LỜI MỞ ĐẦU
Chương 1: GIỚI THIỆU ĐỀ TÀI
1.1. Giới thiệu về bài toán nhận dạng
1.1.1. Các giai đoạn phát triển
1.1.2. Tình hình nghiên cứu trong nước
1.1.3. Tình hình nghiên cứu ở nước ngoài
1.2. Các bước xử lý cho bài toán nhận dạng hoàn chỉnh
1.3. Kết luận chương
Chương 2: MÔ HÌNH SVM VÀ MÔ HÌNH THỐNG KÊ HỌC SÂU
2.1. Tổng quan về mô hình SVM (Support Vector Machine)
2.1.1. Cơ sở lý thuyết
2.1.1.1. Giới thiệu bài toán phân lớp nhị phân
2.1.1.2. Máy SVM tuyến tính
2.1.1.3. Máy SVM phi tuyến
2.1.2. Các thuật toán huấn luyện SVM
2.1.2.1. Thuật toán chặt khúc
2.1.2.2. Thuật toán phân rã
2.1.2.3. Thuật toán cực tiểu tuần tự
2.2. Cơ sở lý thuyết mô hình thống kê học sâu
2.2.1. Một số lý thuyết về mạng Neuron
2.2.1.1. Giới thiệu về mạng Neuron
2.2.1.2. Cấu trúc và hoạt động của mạng Neuron
2.2.1.3. Quá trình huấn luyện mạng và các thuật toán học mạng
2.2.2. Hopfield Network
2.2.2.1. Cấu trúc mạng Hopfield
2.2.2.2. Mạng Hopfield rời rạc
2.2.2.3. Mạng Hopfield liên tục
2.2.3. Boltzmann Machines
2.2.4. Restricted Boltzmann Machines
2.2.3. Thuật toán lan truyền ngược
2.3. Kết luận chương
Chương 3: KẾT QUẢ THỰC NGHIỆM VÀ ĐÁNH GIÁ
3.1. Môi trường thực nghiệm
3.2. Dữ liệu thực nghiệm
3.3. Kết quả thực nghiệm với mô hình SVM
3.4. Huấn luyện mô hình và kết quả thực nghiệm với mô hình thống kê học sâu
3.4.1. Huấn luyện mô hình
3.4.1.1. Cấu trúc mô hình
3.4.1.2. Phương pháp huấn luyện và quy trình nhận dạng
3.4.2. Giao diện chính của chương trình
3.4.3. Kết quả thực nghiệm
3.5. Đánh giá kết quả thực nghiệm của hai mô hình.
3.6. Kết luận chương
KẾT LUẬN CHUNG

TÀI LIỆU THAM KHẢO