基于粒子群算法的LeNet-5卷积神经网络优化研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究概况 | 第11-14页 |
| 1.3 论文的主要研究内容与章节安排 | 第14-17页 |
| 2 深度卷积神经网络 | 第17-32页 |
| 2.1 卷积神经网络的起源 | 第17页 |
| 2.2 卷积神经网络的结构 | 第17-22页 |
| 2.3 卷积神经网络的训练 | 第22-26页 |
| 2.4 卷积神经网络的实现 | 第26-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 卷积神经网络的粒子群算法优化 | 第32-55页 |
| 3.1 卷积神经网络BP训练算法的缺点 | 第32-33页 |
| 3.2 粒子群算法介绍 | 第33-39页 |
| 3.3 卷积神经网络参数的编解码 | 第39-44页 |
| 3.4 粒子群算法参数的确定 | 第44-47页 |
| 3.5 粒子群算法优化卷积神经网络 | 第47-49页 |
| 3.6 失败分析与改进算法 | 第49-54页 |
| 3.7 本章小结 | 第54-55页 |
| 4 实验分析 | 第55-70页 |
| 4.1 实验环境 | 第55-57页 |
| 4.2 粒子群算法参数实验 | 第57-62页 |
| 4.3 粒子群算法优化卷积神经网络 | 第62-65页 |
| 4.4 不同规模样本集对比分析 | 第65-68页 |
| 4.5 自采集样本分析 | 第68-69页 |
| 4.6 本章小结 | 第69-70页 |
| 5 总结与展望 | 第70-73页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 课题展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 附录 攻读学位期间取得的成果 | 第79页 |
