| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 深度学习的研究背景和意义 | 第7-10页 |
| 1.1.1 无监督或生成特征学习 | 第8-9页 |
| 1.1.2 有监督特征学习 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 第二章 卷积神经网络 | 第13-25页 |
| 2.1 传统前馈神经网络模型 | 第13-16页 |
| 2.1.1 人工神经元结构 | 第13-14页 |
| 2.1.2 前馈神经网络 | 第14-16页 |
| 2.2 卷积神经网络模型 | 第16-19页 |
| 2.2.1 卷积神经网络的结构 | 第16-17页 |
| 2.2.2 稀疏连接 | 第17-18页 |
| 2.2.3 权值共享 | 第18-19页 |
| 2.2.4 空间降采样 | 第19页 |
| 2.3 反向传播算法 | 第19-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 无监督特征学习网络模型 | 第25-42页 |
| 3.1 自编码器 | 第25-29页 |
| 3.1.1 概述 | 第25-27页 |
| 3.1.2 自编码器的结构 | 第27-28页 |
| 3.1.3 稀疏参数 | 第28-29页 |
| 3.2 受限玻尔兹曼机 | 第29-35页 |
| 3.2.1 模型描述 | 第29-31页 |
| 3.2.2 RBM的训练方法 | 第31-33页 |
| 3.2.3 Gibss采样与CD算法 | 第33-35页 |
| 3.3 深度堆叠网络的基本结构 | 第35-37页 |
| 3.4 一种学习DSN权值的方法 | 第37-38页 |
| 3.5 张量深度堆叠网络 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 数据预处理和优化算法研究 | 第42-55页 |
| 4.1 数据预处理 | 第42-45页 |
| 4.1.1 标准化 | 第42页 |
| 4.1.2 主成分分析（Principal Components Analysis，PCA） | 第42-44页 |
| 4.1.3 ZCA白化 | 第44-45页 |
| 4.2 深度学习的训练优化算法研究 | 第45-54页 |
| 4.2.1 随机梯度下降 | 第45-52页 |
| 4.2.2 二阶优化算法 | 第52-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 基于AlexNet网络的目标检测性能研究 | 第55-67页 |
| 5.1 AlexNet网络结构 | 第55-56页 |
| 5.2 选择性搜索 | 第56-60页 |
| 5.3 二值规范化梯度 | 第60-62页 |
| 5.4 Selective Search与BING算法结合的目标检测策略 | 第62-63页 |
| 5.5 实验结果与分析 | 第63-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 发表论文及参加科研情况说明 | 第74-75页 |
| 致谢 | 第75页 |