改进的卷积神经网络图像分类方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 深度学习研究的背景和意义 | 第9-10页 |
| 1.2 卷积神经网络研究现状和存在问题 | 第10-13页 |
| 1.2.1 卷积神经网络的基本模型 | 第10-11页 |
| 1.2.2 卷积神经网络的研究现状 | 第11-12页 |
| 1.2.3 卷积神经网络存在的问题 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 第2章 相关工作介绍 | 第14-24页 |
| 2.1 基础卷积神经网络 | 第14-18页 |
| 2.1.1 多层感知机 | 第14-15页 |
| 2.1.2 卷积神经网络 | 第15-18页 |
| 2.2 卷积神经网络的改进 | 第18-23页 |
| 2.2.1 卷积神经网络结构的改进方法 | 第18-19页 |
| 2.2.2 卷积神经网络训练的改进方法 | 第19-21页 |
| 2.2.3 典型网络改进组件 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 复杂卷积核 | 第24-33页 |
| 3.1 传统卷积核 | 第24页 |
| 3.2 复杂卷积核 | 第24-26页 |
| 3.3 测试复杂卷积核性能的实验 | 第26-32页 |
| 3.3.1 基于复杂核的卷积神经网络 | 第27-28页 |
| 3.3.2 实验结果 | 第28-29页 |
| 3.3.3 实验分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 卷积神经网络特征集成学习 | 第33-45页 |
| 4.1 受限玻尔兹曼机 | 第33-37页 |
| 4.2 基于受限玻尔兹曼机的降噪约束 | 第37-40页 |
| 4.3 集成学习 | 第40-41页 |
| 4.4 特征集成学习模型 | 第41-42页 |
| 4.5 模型对比和实验结果 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 发表论文和参加科研情况说明 | 第51-52页 |
| 致谢 | 第52-53页 |
