卷积神经网络的稀疏化方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 卷积神经网络稀疏化的研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 论文主要结构 | 第11-13页 |
| 第2章 预备知识 | 第13-21页 |
| 2.1 什么是学习算法？ | 第13-14页 |
| 2.2 NoFreeLunch定理 | 第14-15页 |
| 2.3 人工神经网络 | 第15-17页 |
| 2.4 插值函数优化问题 | 第17-18页 |
| 2.5 反向传播 | 第18-21页 |
| 第3章 卷积神经网络 | 第21-27页 |
| 3.1 单通道卷积运算 | 第21-22页 |
| 3.2 多通道卷积运算 | 第22-23页 |
| 3.3 LeNet-5网络结构介绍 | 第23-27页 |
| 第4章 卷积神经网络的稀疏化方法 | 第27-33页 |
| 4.1 随机梯度下降法 | 第27页 |
| 4.2 随机梯度下降法的收敛性 | 第27-29页 |
| 4.3 正则项 | 第29页 |
| 4.4 在线优化算法――RDA | 第29-31页 |
| 4.5 SDA与RDA算法比较 | 第31-33页 |
| 第5章 数值实验 | 第33-37页 |
| 5.1 MNIST数据集 | 第33-34页 |
| 5.2 数值结果 | 第34-36页 |
| 5.3 实验结论 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 致谢 | 第41页 |
