| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-15页 |
| 第二章 卷积神经网络 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 人工神经网络 | 第15-17页 |
| 2.3 卷积神经网络 | 第17-20页 |
| 2.3.1 局部连接和权值共享 | 第19-20页 |
| 2.3.2 LeNet-5 模型结构 | 第20页 |
| 2.4 卷积神经网络的训练算法 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 改进的卷积神经网络结构 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 改进的卷积神经网络结构 | 第24-26页 |
| 3.2.1 递归神经网络 | 第25页 |
| 3.2.2 改进的卷积神经网络结构 | 第25-26页 |
| 3.3 卷积神经网络的参数选择 | 第26-29页 |
| 3.3.1 激活函数和学习率 | 第26-27页 |
| 3.3.2 采样方式 | 第27-28页 |
| 3.3.3 卷积核个数 | 第28-29页 |
| 3.3.4 卷积核大小 | 第29页 |
| 3.4 实验结果分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 改进的卷积神经网络算法 | 第32-37页 |
| 4.1 引言 | 第32页 |
| 4.2 改进的加权Fisher准则 | 第32-34页 |
| 4.2.1 Fisher准则 | 第32-33页 |
| 4.2.2 加权Fisher准则 | 第33-34页 |
| 4.2.3 改进的加权Fisher准则 | 第34页 |
| 4.3 改进加权Fisher准则的卷积神经网络算法 | 第34-35页 |
| 4.4 实验结果及分析 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 改进的卷积神经网络在管线钢号识别中的应用 | 第37-48页 |
| 5.1 引言 | 第37页 |
| 5.2 钢号数据集构建 | 第37-44页 |
| 5.3 样本扩充 | 第44-45页 |
| 5.4 油田管线钢号识别 | 第45-47页 |
| 5.5 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 发表文章目录 | 第54-55页 |
| 致谢 | 第55-56页 |