| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 引言 | 第12页 |
| 1.2 选题背景及意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 人体行为识别研究现状 | 第13-14页 |
| 1.3.2 深度学习研究现状 | 第14-16页 |
| 1.4 论文主要工作和章节安排 | 第16-18页 |
| 第二章 人工神经网络 | 第18-34页 |
| 2.1 人工神经网络概述 | 第18-27页 |
| 2.1.1 神经元 | 第18-20页 |
| 2.1.2 神经元激活函数 | 第20-23页 |
| 2.1.3 人工神经网络的类型 | 第23-24页 |
| 2.1.4 人工神经网络的学习算法 | 第24-27页 |
| 2.1.5 人工神经网络的优缺点 | 第27页 |
| 2.2 卷积神经网络概述 | 第27-33页 |
| 2.2.1 卷积神经网络的基本结构 | 第28-30页 |
| 2.2.2 卷积神经网络的特点 | 第30-31页 |
| 2.2.3 LeNet-5模型 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 随机DROPOUT卷积神经网络人体行为识别方法 | 第34-42页 |
| 3.1 随机DROPOUT | 第34-38页 |
| 3.1.1 Dropout | 第34-35页 |
| 3.1.2 DropConnect | 第35-36页 |
| 3.1.3 随机Dropout | 第36-38页 |
| 3.2 随机Dropout卷积神经网络人体行为识别实验方法 | 第38-39页 |
| 3.3 实验结果及分析 | 第39-41页 |
| 3.3.1 网络模型的特征可视化 | 第39-40页 |
| 3.3.2 各类人体行为识别的混淆矩阵 | 第40页 |
| 3.3.3 加入随机Dropout前后卷积神经网络的识别率对比 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 随机Dropout+Maxout卷积神经网络人体行为识别方法 | 第42-52页 |
| 4.1 Maxout | 第42-44页 |
| 4.2 Stochastic pooling | 第44-45页 |
| 4.3 随机Dropout+Maxout卷积神经网络人体行为识别实验方法 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-49页 |
| 4.4.1 Dropout卷积神经网络在Weizmann数据集上的实验结果 | 第46-47页 |
| 4.4.2 随机Dropout卷积神经网络在Weizmann数据集上的实验结果 | 第47-48页 |
| 4.4.3 随机Dropout+Maxout卷积神经网络在Weizmann数据集上的实验结果 | 第48页 |
| 4.4.4 各个网络模型在Weizmann据集上的人体行为识别结果结果对比 | 第48-49页 |
| 4.5 本章小结 | 第49-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 个人简况及联系方式 | 第60-62页 |
