| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 人工神经网络的发展和现状 | 第8-10页 |
| 1.2 深度学习技术的发展和其对人工神经网络的影响 | 第10-12页 |
| 1.3 卷积神经网络的发展 | 第12-13页 |
| 1.4 分层无监督学习算法与卷积神经网络的结合 | 第13页 |
| 1.5 图像识别技术的研究现状 | 第13-14页 |
| 1.6 本文的主要工作和内容安排 | 第14-15页 |
| 1.7 本章小结 | 第15-16页 |
| 第2章 卷积神经网络原理及结构 | 第16-29页 |
| 2.1 多层前馈网络 | 第16-21页 |
| 2.1.1 感知器单元 | 第17-19页 |
| 2.1.2 多层前馈网络和BP算法 | 第19-21页 |
| 2.2 卷积神经网络 | 第21-26页 |
| 2.2.1 卷积神经网络结构 | 第21-26页 |
| 2.3 无监督学习层次化的不变特征 | 第26-28页 |
| 2.3.1 用于不变特征学习的架构 | 第27页 |
| 2.3.2 学习算法 | 第27-28页 |
| 2.3.3 稀疏的不变特征 | 第28页 |
| 2.3.4 学习特征的层次结构 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 卷积神经网络在手写数字识别上的应用 | 第29-42页 |
| 3.1 MNIST手写数字数据集 | 第29-30页 |
| 3.2 卷积神经网络模型的工作方式及改进方法 | 第30-32页 |
| 3.3 本文采用的卷积神经网络模型的结构 | 第32-34页 |
| 3.3.1 网络模型一(CNN1-1) | 第33页 |
| 3.3.2 网络模型二(CNN1-2) | 第33-34页 |
| 3.3.3 网络模型三(CNN1-3) | 第34页 |
| 3.4 实验结果 | 第34-41页 |
| 3.4.1 LeNet-5在MNIST数据集上的实验结果 | 第35-36页 |
| 3.4.2 CNN1-1在MNIST数据集上的实验结果 | 第36-38页 |
| 3.4.3 CNN1-2在MNIST数据集上的实验结果 | 第38-39页 |
| 3.4.4 CNN1-3在MNIST数据集上的实验结果 | 第39-40页 |
| 3.4.5 实验结果对比 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 卷积神经网络在毫米波图像识别上的应用 | 第42-50页 |
| 4.1 毫米波图像数据集 | 第42-44页 |
| 4.2 应用于毫米波人体图像的卷积神经网络的结 | 第44页 |
| 4.3 实验结果 | 第44-48页 |
| 4.3.1 CNN2-1在毫米波人体图像数据集上的实验结果 | 第44-45页 |
| 4.3.2 CNN2-2在毫米波人体图像数据集上的实验结果 | 第45-46页 |
| 4.3.3 CNN2-3在毫米波人体图像数据集上的实验结果 | 第46-47页 |
| 4.3.4 实验结果对比 | 第47-48页 |
| 4.4 目标标记 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
