| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 第2章 卷积神经网络与DeepID | 第12-34页 |
| 2.1 感知器 | 第13-15页 |
| 2.2 多层网络 | 第15-21页 |
| 2.2.1 可微阈值单元 | 第16-17页 |
| 2.2.2 反向传播算法 | 第17-20页 |
| 2.2.3 随机梯度下降 | 第20-21页 |
| 2.3 卷积神经网络 | 第21-23页 |
| 2.3.1 卷积 | 第21-22页 |
| 2.3.2 局部感知与权值共享 | 第22页 |
| 2.3.3 降采样 | 第22-23页 |
| 2.4 ReLU激活函数 | 第23-25页 |
| 2.5 DeepID | 第25-31页 |
| 2.5.1 网络结构 | 第26-27页 |
| 2.5.2 数据集与训练 | 第27-28页 |
| 2.5.3 联合贝叶斯模型 | 第28-30页 |
| 2.5.4 实验结果 | 第30-31页 |
| 2.6 DeepID2+ | 第31-34页 |
| 2.6.1 交叉熵与验证信号 | 第31-32页 |
| 2.6.2 网络结构 | 第32页 |
| 2.6.3 实验结果 | 第32-34页 |
| 第3章 改进DeepID的方法 | 第34-52页 |
| 3.1 对DeeID2+模型的分析 | 第34-38页 |
| 3.2 影响网络分类精度的因素 | 第38-49页 |
| 3.2.1 人工神经网络的深度 | 第47-48页 |
| 3.2.2 人工神经网络的宽度 | 第48页 |
| 3.2.3 人工神经网络中的连接 | 第48-49页 |
| 3.2.4 特征组合 | 第49页 |
| 3.3 一种对DeepID网络的改良（DeepID+） | 第49-52页 |
| 第4章 实验设计与分析 | 第52-66页 |
| 第5章 总结与展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者简介及科研成果 | 第72-73页 |
| 致谢 | 第73页 |