本文为土耳其中东技术大学（作者：POYRAZ UMUT HATIPOGLU）的硕士论文，共139页。由于需要以更复杂和抽象的方式来表示统计数据，深度学习是一个快速增长和有趣的领域。处理器和图形处理单元技术的发展不可否认地影响了深度网络的普及。本文的主要目的是研究一种鲁棒的全功能时间序列分类方法。为此，提出了一种基于深度学习的新方法。由于时间序列数据具有复杂多变的结构，因此采用能够处理非线性复杂运算

本文为美国普渡大学（作者：Derek L. Stinson）的硕士论文，共66页。目前深度学习的研究主要集中在使用Python作为支持语言上。Go是一种新兴的语言，它有许多优点，包括对并发的本地支持，在过去几年中，它的采用率有所上升。然而，由于缺乏模型开发的支持库和框架，这种语言并没有被广泛用于开发学习模型。在本论文中，利用Go进行神经网络模型的一般开发和卷积神经网络的研究。这项研究是基于一个称为

深度学习是机器学习的一个新分支，主要研究数据的深度层次模型。它的灵感来源于人类大脑明显的深层（分层）结构。对深度学习理论的一个很好的概述是学习人工智能的深度架构。Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data. It is in

本文为西班牙加泰罗尼亚政治大学（作者：Dan Mihai Badescu）的论文，共33页。本文探讨了利用深度神经网络对含噪语音信号进行增强的可能性。信号增强是语音处理中的一个经典问题。近年来，基于深度学习的研究在许多语音处理任务中得到了应用，取得了令人满意的结果。作为第一步，我们实现了一个信号分析模块来计算数据库中每个音频文件的幅度和相位。通过将信号表示为幅度和相位，用神经网络对幅值进行修正..

本文为加拿大纽芬兰纪念大学（作者：Songyuan Ji）的硕士论文，共109页。研究与人类疾病相关的单核苷酸多态性（SNPs）对于识别致病性遗传变异和阐明复杂疾病的遗传结构具有重要意义。一项全基因组关联研究（GWAS）检测不同个体的遗传变异，并检测与疾病相关的SNP。传统的机器学习方法往往将SNP数据作为一个序列进行分析和处理，从而忽略了多种遗传因素之间复杂的相互作用关系。在这篇论文中，我们提出

利用MATLAB的强大功能应对深度学习挑战。Harness the power of MATLAB for deep-learning challenges.本书介绍了深度学习和如何使用MATLAB的深度学习工具箱。This book provides an introduction to deep learning and using MATLAB’s deep-learning too...

本文为荷兰埃因霍芬理工大学（作者：Aditya Vikram Singh Bhadoria）的硕士论文，共87页。在典型的温室环境中，植物的生长取决于输入控制参数，如温度、辐射水平、蒸汽压和二氧化碳水平。在这些温室环境中，温度、蒸汽压和二氧化碳水平等参数都是人为控制的。然而，辐射水平取决于阳光和天气模式。植物的生长会随着辐射水平的变化而减弱，在日照较少的日子里，植物的生长会明显减弱。在荷兰，不断变

本文为加拿大渥太华大学（作者：Haolong Zhang）的硕士论文，共100页。周期长度的提取在许多研究领域都是一个难题。为了解决这个问题，在许多应用中提出了不同的方法。例如，供应链管理是一个可以从精确的周期性信息中获益匪浅的领域。另外，生理数据的周期性信息可以提供对个体健康状况的洞察，这也是本文的动机所在。周期长度提取的难点在于工作环境中噪声水平的变化。在一种环境中表现良好的系统在另一种环境中

这个例子展示了如何使用机器学习来预测时间序列数据。This example shows how to forecast time series data using Machine Learning.要预测序列未来时间的数值，可以通过训练回归机器学习来实现，其中的响应是每移动一个时间步长的训练序列。To forecast the values of future time steps of a s

本文为美国新泽西州立大学罗格斯分校（作者：TING SUN）的博士论文，共172页。本论文的目的是探讨商业沟通文件或社交媒体资讯中的情绪特徵是否能提供相关且可靠的资讯给稽核人员。本文首先考察了盈余会议情绪特征对内部控制重大缺陷预测的增量信息。借助IBM Watson提供的深度学习文本分析工具Alchemy Language API，本文通过这些情感特征与以往文献提出的ICMW的其他决定因素（即Do