| 第一章 绪论 | 第1-12页 |
| ·基于内容的三维模型检索 | 第7-8页 |
| ·目前的三维形状特征提取方法 | 第8-9页 |
| ·不变性映射 | 第9-12页 |
| 第二章 理论基础 | 第12-33页 |
| ·神经网络 | 第12-18页 |
| ·神经元模型 | 第14-16页 |
| ·知识表示 | 第16-17页 |
| ·在神经网络设计中加入先验信息 | 第17页 |
| ·在网络设计中建立不变性 | 第17-18页 |
| ·ENERGY-BASED MODEL (EBM) 基于能量的模型 | 第18-25页 |
| ·EBM 简介 | 第18-19页 |
| ·几种 EBM 实例 | 第19-21页 |
| ·EBM 的能量曲面 | 第21页 |
| ·训练 EBM | 第21-23页 |
| ·反向传播和多模块系统 | 第23-25页 |
| ·卷积网络 COVOLUTIONAL NETWORKS | 第25-31页 |
| ·卷积层(Convolutional Layer)的结构 | 第26-29页 |
| ·子采样层(SubSampling Layer)的结构 | 第29-31页 |
| ·卷积神经网络的连接 | 第31页 |
| ·流形学习 | 第31-33页 |
| ·流形学习介绍 | 第31-32页 |
| ·流形学习和神经生理学 | 第32页 |
| ·卷积神经网络用于图像流形学习 | 第32-33页 |
| 第三章 原型系统实现 | 第33-45页 |
| ·三维物体投影 | 第33页 |
| ·测地穹顶 GEODESIC DOME | 第33-34页 |
| ·实验中采用的卷积神经网络 | 第34页 |
| ·SIAMESE 结构 | 第34-35页 |
| ·实验中用的损失函数(LOSS FUNCTION) | 第35-38页 |
| ·训练 EBM | 第38页 |
| ·实验结果 | 第38-45页 |
| 第四章 结束语 | 第45-48页 |
| ·工作总结 | 第45-46页 |
| ·存在问题 | 第46-47页 |
| ·未来展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 附录 | 第50-52页 |
| 摘要 | 第52-54页 |
| ABSTRACT | 第54-57页 |
| 致谢 | 第57页 |
