| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究发展现状 | 第11-13页 |
| 1.3 主要研究内容及结构安排 | 第13-16页 |
| 第2章 基于神经网络的红外图像识别 | 第16-30页 |
| 2.1 采用传统前馈神经网络的红外图像识别 | 第16-21页 |
| 2.1.1 感知器 | 第16-17页 |
| 2.1.2 前馈神经网识别架构 | 第17-18页 |
| 2.1.3 神经网络的训练 | 第18-21页 |
| 2.1.4 传统神经网络的问题 | 第21页 |
| 2.2 采用卷积神经网络的红外图像识别 | 第21-28页 |
| 2.2.1 卷积神经网络的红外图像识别 | 第21-23页 |
| 2.2.2 训练方式 | 第23-25页 |
| 2.2.3 卷积神经网络的并行计算 | 第25-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 卷积神经网络激励函数的研究 | 第30-44页 |
| 3.1 常用激励函数及其特性 | 第30-35页 |
| 3.1.1 Sigmoid激励函数 | 第30-31页 |
| 3.1.2 Tanh激励函数 | 第31-32页 |
| 3.1.3 Relus激励函数 | 第32-34页 |
| 3.1.4 Softplus激励函数 | 第34-35页 |
| 3.2 改进激励函数 | 第35-37页 |
| 3.2.1 Leaky-Relus激励函数 | 第35-36页 |
| 3.2.2 Parametric-Relus激励函数 | 第36页 |
| 3.2.3 PRelus-Softplus 激励函数 | 第36-37页 |
| 3.3 实验结果及分析 | 第37-42页 |
| 3.3.1 实验环境与数据库选取 | 第37-38页 |
| 3.3.2 结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 激励函数及其导数的FPGA设计实现 | 第44-52页 |
| 4.1 激励函数实现方法概述 | 第44-45页 |
| 4.1.1 查表法 | 第44页 |
| 4.1.2 分段线性近似法 | 第44-45页 |
| 4.1.3 CORDIC算法 | 第45页 |
| 4.1.4 其他方法 | 第45页 |
| 4.2 表驱动线性插值法 | 第45-47页 |
| 4.3 激励函数及其导数实现 | 第47-51页 |
| 4.3.1 MATLAB浮点算法实现 | 第47-49页 |
| 4.3.2 ISE仿真分析 | 第49-50页 |
| 4.3.3 计算精度分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 卷积算法的设计实现 | 第52-64页 |
| 5.1 卷积神经网络计算划分 | 第52-55页 |
| 5.1.1 参数的定义 | 第52页 |
| 5.1.2 CNN内层计算模型 | 第52-55页 |
| 5.2 硬件设计与性能分析 | 第55-59页 |
| 5.2.1 硬件设计 | 第55-57页 |
| 5.2.2 性能分析 | 第57-59页 |
| 5.3 二维卷积缓存 | 第59-63页 |
| 5.3.1 二维卷积计算中的数据重用分析 | 第59-60页 |
| 5.3.2 流水线数据存储结构 | 第60-63页 |
| 5.3.3 性能分析 | 第63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |