| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-17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11-14页 |
| 1.2.1 手写体数字识别的发展现状 | 第11-12页 |
| 1.2.2 卷积神经网络的研究现状 | 第12-13页 |
| 1.2.3 卷积神经网络与循环神经网络对比 | 第13-14页 |
| 1.3 本文的主要工作与结构安排 | 第14-17页 |
| 1.3.1 研究的主要内容及成果 | 第14-15页 |
| 1.3.2 章节结构安排 | 第15-17页 |
| 第2章 手写体数字识别技术分析 | 第17-24页 |
| 2.1 手写体数字识别概述 | 第17-18页 |
| 2.2 手写体数字识别过程 | 第18-20页 |
| 2.2.1 图片预处理 | 第18-20页 |
| 2.2.2 特征提取 | 第20页 |
| 2.2.3 分类器 | 第20页 |
| 2.3 传统方法与卷积神经网络方法比较 | 第20-22页 |
| 2.4 研究难点及关键问题 | 第22-23页 |
| 2.4.1 手写体数字识别的研究难点 | 第22页 |
| 2.4.2 卷积神经网络存在的问题 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 神经网络的研究与框架设计 | 第24-33页 |
| 3.1 神经网络概述 | 第24-27页 |
| 3.1.1 神经元基本结构 | 第24-25页 |
| 3.1.2 前馈神经网络模型 | 第25-27页 |
| 3.2 神经网络的工作方式与训练算法 | 第27-31页 |
| 3.2.1 神经网络的学习模式 | 第27-29页 |
| 3.2.2 反向传播算法 | 第29-31页 |
| 3.3 总体研究框架设计 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 卷积神经网络的结构与模型设计 | 第33-45页 |
| 4.1 卷积神经网络 | 第33-35页 |
| 4.1.1 卷积神经网络概述 | 第33页 |
| 4.1.2 卷积神经网络的特点 | 第33-35页 |
| 4.2 卷积神经网络LeNet-5模型的结构 | 第35-41页 |
| 4.2.1 卷积层 | 第36-37页 |
| 4.2.2 下采样层 | 第37-38页 |
| 4.2.3 输出层Softmax回归 | 第38-41页 |
| 4.3 网络模型的设计与参数选择 | 第41-44页 |
| 4.3.1 手写体数字识别的网络模型设计 | 第41-43页 |
| 4.3.2 网络训练参数的选择 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 卷积神经网络模型的训练与优化 | 第45-56页 |
| 5.1 卷积神经网络的训练过程 | 第45-50页 |
| 5.1.1 总体训练前过程 | 第45-46页 |
| 5.1.2 前向传播 | 第46-47页 |
| 5.1.3 反向传播与参数修正 | 第47-50页 |
| 5.2 本文对卷积神经网络模型的优化 | 第50-55页 |
| 5.2.1 添加权值衰减项 | 第50-51页 |
| 5.2.2 加入Dropout层 | 第51-52页 |
| 5.2.3 选择ReLU激活函数 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 手写体数字识别的实现与结果分析 | 第56-77页 |
| 6.1 MNIST数据库 | 第56-58页 |
| 6.1.1 MNIST数据集介绍 | 第56-57页 |
| 6.1.2 MNIST数据集组成部分 | 第57-58页 |
| 6.2 Caffe深度学习框架介绍与搭建 | 第58-60页 |
| 6.2.1 Caffe深度学习平台介绍 | 第58-59页 |
| 6.2.2 Caffe框架环境的搭建 | 第59-60页 |
| 6.3 基于LeNet-5的手写体数字识别实现 | 第60-67页 |
| 6.3.1 算法框架与总流程 | 第60-62页 |
| 6.3.2 Caffe框架平台下训练网络 | 第62-64页 |
| 6.3.3 CNN各层特征提取图像可视化 | 第64-65页 |
| 6.3.4 LeNet-5在MNIST上的实验结果 | 第65-67页 |
| 6.4 优化网络模型后的实验结果与分析 | 第67-76页 |
| 6.4.1 添加权值衰减项后的结果分析 | 第67-68页 |
| 6.4.2 加入Dropout层后的结果分析 | 第68-70页 |
| 6.4.3 选择ReLU激活函数后的结果分析 | 第70-73页 |
| 6.4.4 优化模型后的整体结果分析 | 第73-76页 |
| 6.5 本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-81页 |