| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题背景和研究意义 | 第11-12页 |
| 1.2 动作识别相关研究 | 第12-14页 |
| 1.3 本文的主要工作内容和章节安排 | 第14-15页 |
| 第二章 卷积神经网络 | 第15-25页 |
| 2.1 神经网络基本概念 | 第15-21页 |
| 2.1.1 前向传导 | 第15-17页 |
| 2.1.2 误差反向传导(BP) | 第17-21页 |
| 2.2 卷积神经网络 | 第21-24页 |
| 2.2.1 卷积神经网络发展历史 | 第21-23页 |
| 2.2.2 卷积神经网络基本框架 | 第23-24页 |
| 2.3 本论文的研究工作 | 第24-25页 |
| 第三章 稀疏自组合时空卷积神经网络动作识别方法 | 第25-55页 |
| 3.1 引言 | 第25-27页 |
| 3.2 2D卷积与时空卷积 | 第27-32页 |
| 3.2.1 2D卷积 | 第27-29页 |
| 3.2.2 时空卷积 | 第29-32页 |
| 3.3 时空卷积神经网络推导与实现 | 第32-45页 |
| 3.3.1 时空卷积神经网络框架 | 第32-35页 |
| 3.3.2 卷积层 | 第35-36页 |
| 3.3.3 子采样层 | 第36-39页 |
| 3.3.4 实验过程与分析 | 第39-45页 |
| 3.4 稀疏自组合策略 | 第45-52页 |
| 3.4.1 稀疏自组合算法原理与实现 | 第45-49页 |
| 3.4.2 实验过程与分析 | 第49-52页 |
| 3.5 本章小结 | 第52-55页 |
| 第四章 稀疏自组合时空卷积神经网络并行化 | 第55-81页 |
| 4.1 引言 | 第55-58页 |
| 4.2 MapReduce | 第58-59页 |
| 4.3 稀疏自组合时空卷积神经网络的MapReduce实现 | 第59-70页 |
| 4.3.1 稀疏自组合时空卷积神经网络的MapReduce实现 | 第59-63页 |
| 4.3.2 矩阵MapReduce并行计算 | 第63-66页 |
| 4.3.3 实验过程与分析 | 第66-70页 |
| 4.4 MapReduce多核CPU环境下的加速 | 第70-80页 |
| 4.4.1 MapReduce的多线程实现 | 第70-74页 |
| 4.4.2 多核CPU的负载均衡 | 第74-75页 |
| 4.4.3 实验过程与分析 | 第75-80页 |
| 4.5 本章总结 | 第80-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 总结 | 第81页 |
| 5.2 展望 | 第81-83页 |
| 参考文献 | 第83-91页 |
| 发表 | 第91-93页 |
| 致谢 | 第93页 |