| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源及背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题的目的和意义 | 第12-13页 |
| 1.4 研究内容与论文结构 | 第13-15页 |
| 第2章 卷积神经网络结构及模型 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 人工神经网络的模型 | 第15-19页 |
| 2.2.1 生物神经元模型 | 第15-16页 |
| 2.2.2 人工神经元模型 | 第16-18页 |
| 2.2.3 人工神经网络模型结构 | 第18-19页 |
| 2.3 卷积神经网络的模型 | 第19-27页 |
| 2.3.1 卷积神经网络的网络结构 | 第19-20页 |
| 2.3.2 卷积神经网络的特点 | 第20-24页 |
| 2.3.4 卷积神经网络的算法 | 第24-26页 |
| 2.3.5 卷积神经网络的训练过程 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于Caffe下的卷积神经网络算法实现 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 Caffe简介 | 第28页 |
| 3.3 基于Caffe深度学习框架的Lenet-5手写字符识别仿真 | 第28-34页 |
| 3.3.1 Lenet-5 卷积神经网络的结构 | 第28-29页 |
| 3.3.2 MNIST数据集 | 第29-30页 |
| 3.3.3 Caffe深度学习框架下的Lenet-5 仿真 | 第30-34页 |
| 3.4 基于Caffe深度学习框架的Alex Net图片识别仿真 | 第34-38页 |
| 3.4.1 Alex Net卷积神经网络的结构 | 第34-35页 |
| 3.4.2 Caffe深度学习框架下的Alex Net仿真 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 卷积神经网络加速器VLSI实现 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 卷积神经网络整体架构 | 第39-40页 |
| 4.3 卷积运算单元的设计 | 第40-43页 |
| 4.4 卷积神经网络卷积层改进 | 第43-51页 |
| 4.4.1 卷积神经网络加速器总体架构 | 第43-44页 |
| 4.4.2 卷积运算单元结构 | 第44-46页 |
| 4.4.3 卷积层运算阵列结构 | 第46-49页 |
| 4.4.4 压缩与解压缩实现及仿真 | 第49-51页 |
| 4.5 抽样层的硬件实现 | 第51-53页 |
| 4.6 训练过程实现 | 第53-54页 |
| 4.7 综合结果 | 第54-56页 |
| 4.8 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-64页 |
| 致谢 | 第64页 |
