基于确定性丢弃连接的深度卷积神经网络算法
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 人工神经网络的发展及其研究现状 | 第9-11页 |
| 1.2.2 卷积神经网络的发展及其研究现状 | 第11-12页 |
| 1.2.3 卷积神经网络存在的问题 | 第12-13页 |
| 1.3 论文主要内容和组织结构 | 第13-16页 |
| 第2章 卷积神经网络的理论基础 | 第16-28页 |
| 2.1 人工神经网络 | 第16-20页 |
| 2.1.1 感知器 | 第16-17页 |
| 2.1.2 多层感知器 | 第17-18页 |
| 2.1.3 梯度下降算法 | 第18-19页 |
| 2.1.4 反向传播算法 | 第19-20页 |
| 2.2 卷积神经网络 | 第20-24页 |
| 2.2.1 卷积层 | 第21-22页 |
| 2.2.2 池化层 | 第22-23页 |
| 2.2.3 激活层 | 第23-24页 |
| 2.2.4 卷积神经网络的结构 | 第24页 |
| 2.3 正则化方法 | 第24-26页 |
| 2.3.1 提前终止 | 第25页 |
| 2.3.2 范数约束 | 第25页 |
| 2.3.3 Dropout | 第25页 |
| 2.3.4 数据增强 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 确定性丢弃连接算法 | 第28-40页 |
| 3.1 确定性丢弃连接算法原理 | 第28-30页 |
| 3.2 确定性丢弃算法原理 | 第30-32页 |
| 3.3 确定性丢弃算法网络结构 | 第32-33页 |
| 3.4 确定性丢弃算法训练和测试过程 | 第33-35页 |
| 3.4.1 训练阶段 | 第33-34页 |
| 3.4.2 测试阶段 | 第34-35页 |
| 3.5 数据库介绍 | 第35-36页 |
| 3.5.1 MNIST数据库 | 第35页 |
| 3.5.2 CIFAR数据库 | 第35-36页 |
| 3.6 结果分析 | 第36-38页 |
| 3.6.1 不同权重对结果的影响 | 第36-37页 |
| 3.6.2 阈值的选取 | 第37页 |
| 3.6.3 MNIST数据库结果 | 第37-38页 |
| 3.6.4 CIFAR数据库结果 | 第38页 |
| 3.7 本章小结 | 第38-40页 |
| 第4章 基于级联的多分类器卷积神经网络 | 第40-52页 |
| 4.1 多分类器的基本思想 | 第40-43页 |
| 4.1.1 特征提取 | 第40-41页 |
| 4.1.2 单分类器与多级分类器 | 第41-42页 |
| 4.1.3 级联多分类器 | 第42-43页 |
| 4.2 级联多分类器卷积神经网络 | 第43-46页 |
| 4.3 多分类器卷积神经网络训练和测试过程 | 第46页 |
| 4.4 实验结果及数据分析 | 第46-51页 |
| 4.4.1 计算量比较 | 第46-50页 |
| 4.4.2 时间比较 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 发表论文和科研情况说明 | 第60-62页 |
| 致谢 | 第62页 |
