基于神经网络的图像识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-10页 |
| ·国外发展研究状况 | 第10-11页 |
| ·国内发展研究状况 | 第11-12页 |
| ·人工神经网络概述 | 第12-13页 |
| ·图像处理与识别相关技术 | 第13-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 第二章 轴承辊子检测系统的设计方案 | 第17-22页 |
| ·常见的缺陷类型 | 第17-19页 |
| ·整体方案设计 | 第19-20页 |
| ·图像采集部分的设计 | 第20页 |
| ·图像处理部分的设计 | 第20页 |
| ·系统的软件设计方案 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 人工神经网络 | 第22-39页 |
| ·人工神经元 | 第22-26页 |
| ·几种常见的人工神经网络 | 第26-29页 |
| ·神经网络的学习 | 第29-31页 |
| ·感知器 | 第31-33页 |
| ·BP算法 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于 BP神经网络的图像识别技术 | 第39-51页 |
| ·图像特征向量的提取 | 第39-40页 |
| ·图像分割 | 第40-41页 |
| ·BP神经网络的设计 | 第41-44页 |
| ·雅克比算法 | 第44-49页 |
| ·网络学习过程框图 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 样本的获取和系统组成 | 第51-55页 |
| ·系统的组成 | 第51-52页 |
| ·训练样本的获取 | 第52-53页 |
| ·LMBP算法的误差 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·工作总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
