1. 研究目的与意义（文献综述）

1.1研究目的及意义：

我的毕业设计题目是基于深度学习的事务性工作处理机器人研究。深度学习是机器学习研究的一个新领域，基于神经网络建立模拟人脑分析、学习的模型，模仿人脑机制识别目标，感知信息。同时作为一种新兴的多层次神经网络降维算法，通过组建含有多个隐层的神经网络深层模型，对输入的高位数据逐层提取特征，以发现数据的低位嵌套结构，形成更加抽象有效的高层表示。

近年来其得到了快速的发展，尤其在智能化上应用十分广泛，在机器人方面，像这两年发展的高考机器人。高考机器人是由国家863“超脑计划”牵头研制的机器人，它将在2017年高考参加文科考试，力争“考上”国家一本。还有答题机器人，国佐治亚理工大学研制出一款新型机器人代替助教为学生们授课。这款名为吉尔·沃特森连续工作了5个月，竟然没有任何一个学生发现，足见这款机器人的智能程度。随着智能化快速的融入人们的生活，以及人们追求更好的学习，工作，生活服务，像这些高度智能化的能够做为人们助手的机器人就成为未来发展的一大方向。而这些都与深度学习技术这一新兴的领域密不可分。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

2. 研究的基本内容与方案

2.1研究的基本内容、目标：

首先要研究深度学习技术，分析其技术特点、应用价值和意义。在此基础上，进而研究深度信念网络、卷积神经网络、深度玻尔兹曼机等与深度学习紧密相关的概念。最后在研究深度学习中的卷积深度信念网络和深度波尔兹曼机理论，从而设计深度学习引导训练方法，设计事务性工作处理算法。深度学习已成功应用于多种模式分类问题。但是，目前仍有大量工作需要研究。模型方面是否有其他更为有效且有理论依据的深度模型学习算法，探索新的特征提取模型是值得深入研究的内容。此外有效的可并行训练算法也是值得研究的一个方向。在深度学习应用拓展方面，如何充分合理地利用深度学习在增强传统学习算法的性能也可以是研究重点。因此我将重点从以下三个方面进行研究：

(1)深度学习的智能方法模型比较研究

通过深度学习的各种智能方法模型的比较，加深对深度学习的了解和认知，同时多方面的比较研究可得出更有利于我们设计的智能方法模型来。

3. 研究计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题；

第7周—第12周 撰写论文初稿；

第13周—第14周 第一次修改论文，根据自己的设计思路，以及导师的初步评论进行初步的修改；

4. 参考文献（12篇以上）

[1] hinton g e,salakhutdinov r r. reducingthe dimensionality of data with neuralnetwork[j].science,2006,313(5786):504-507.

[2] hinton g e，osinderos，teh y． a fast learning algorithm for deepbeliefnets［j］． neural computation，2006(18):1527-1554．

[3] y lecun, y bengio, g hinton, deep learning, nature,pp.436–444, 2015

[4]吕砚山，赵正琦.bp神经网络的优化及应用研究[j].北京化工大学学报，2001(1),67-69.