首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

视觉印象深度学习算法研究

中文摘要第4-6页
Abstract第6-8页
第一章 引言第11-32页
    1.1 视觉印象的研究进展第11-18页
    1.2 深度学习研究进展第18-24页
    1.3 李群学习的研究进展第24-29页
    1.4 问题提出第29页
    1.5 研究内容与目标第29-30页
    1.6 内容安排第30-32页
第二章 视觉印象深度学习的表示第32-50页
    2.1 引言第32-33页
    2.2 视觉印象深度学习的基本概念第33-35页
    2.3 视觉印象的公理系统第35-37页
    2.4 视觉印象深度学习的表示方法第37-48页
        2.4.1 视觉印象深度学习的层次表示第37-42页
        2.4.2 视觉印象深度学习的拓扑表示第42-45页
        2.4.3 视觉印象深度学习的李群表示第45-48页
    2.5 本章小结第48-50页
第三章 视觉印象深度学习的度量方法第50-60页
    3.1 引言第50-51页
    3.2 视觉印象深度学习层次表示的度量第51-54页
    3.3 视觉印象深度学习拓扑表示的度量第54-55页
    3.4 视觉印象深度学习李群表示的度量第55-58页
    3.5 本章小结第58-60页
第四章 视觉印象深度学习模型第60-73页
    4.1 引言第60-61页
    4.2 视觉印象层次深度学习模型第61-66页
        4.2.1 再认模型第62-64页
        4.2.2 泛化模型第64-66页
    4.3 视觉印象拓扑深度学习模型第66-67页
    4.4 视觉印象李群深度学习模型第67-72页
    4.5 本章小结第72-73页
第五章 视觉印象深度学习算法第73-81页
    5.1 引言第73-74页
    5.2 视觉印象层次深度学习算法第74-75页
    5.3 视觉印象拓扑深度学习算法第75-76页
    5.4 视觉印象李群深度学习算法第76-80页
    5.5 本章小结第80-81页
第六章 实例验证与分析第81-98页
    6.1 引言第81页
    6.2 视觉印象层次深度学习实验第81-87页
    6.3 视觉印象拓扑深度学习实验第87-90页
    6.4 视觉印象李群深度学习实验第90-97页
    6.5 本章小结第97-98页
第七章 结论与展望第98-102页
    7.1 结论第98-99页
    7.2 展望第99-102页
参考文献第102-115页
攻读学位期间参与的科研项目与发表(录用)论文情况第115-116页
附录第116-118页
致谢第118-119页

论文共119页,点击 下载论文
上一篇:基于web的学生学籍信息管理系统的开发与设计
下一篇:差填充集与应用