| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究工作的背景和意义 | 第10页 |
| 1.2 国内外研究历史和现状 | 第10-13页 |
| 1.2.1 人工神经网络研究现状 | 第10-12页 |
| 1.2.2 手写数字识别技术研究现状 | 第12-13页 |
| 1.3 手写数字识别的一般过程 | 第13页 |
| 1.4 本论文的工作内容和组织结构 | 第13-15页 |
| 第2章 人工神经网络简介 | 第15-25页 |
| 2.1 人工神经网络 | 第15-19页 |
| 2.1.1 神经元基本结构 | 第15-17页 |
| 2.1.2 神经网络学习机制 | 第17-19页 |
| 2.2 BP神经网络 | 第19-24页 |
| 2.2.1 BP神经网络基本结构 | 第19-20页 |
| 2.2.2 BP网络 | 第20页 |
| 2.2.3 正向传播 | 第20-21页 |
| 2.2.4 反向传播 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于动态随机池化卷积神经网络的手写数字识别方法 | 第25-39页 |
| 3.1 卷积神经网络 | 第25-33页 |
| 3.1.1 卷积神经网络核心技术 | 第26-29页 |
| 3.1.2 卷积神经网络基本结构 | 第29页 |
| 3.1.3 卷积层 | 第29-30页 |
| 3.1.4 池化层 | 第30-31页 |
| 3.1.5 输出层 | 第31-32页 |
| 3.1.6 LeNet-5 | 第32-33页 |
| 3.2 随机池化 | 第33-34页 |
| 3.2.1 常见池化方法的不足 | 第33页 |
| 3.2.2 随机池化方法具体实现方法 | 第33-34页 |
| 3.3 动态池化 | 第34-38页 |
| 3.3.1 常见卷积神经网络的不足 | 第34-36页 |
| 3.3.2 动态池化具体实现方法 | 第36-38页 |
| 3.3.3 动态池化卷积神经网络的优势 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 实验 | 第39-49页 |
| 4.1 数据库介绍 | 第39-40页 |
| 4.1.1 MNIST手写数据库 | 第39页 |
| 4.1.2 USPS美国邮政服务手写数字识别库 | 第39-40页 |
| 4.2 系统环境 | 第40页 |
| 4.3 网络结构设计 | 第40-41页 |
| 4.4 对比方法 | 第41-42页 |
| 4.5 实验结果 | 第42-48页 |
| 4.5.1 不同的网络结构实验对比 | 第42-46页 |
| 4.5.2 改进的卷积神经网络对比实验 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-50页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第53-54页 |
| 致谢 | 第54页 |