| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-14页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景与研究意义 | 第14-21页 |
| 1.1.1 研究背景 | 第14-17页 |
| 1.1.2 研究意义 | 第17-21页 |
| 1.2 主要研究工作 | 第21-22页 |
| 1.3 论文主要贡献 | 第22-23页 |
| 1.4 论文结构安排 | 第23-25页 |
| 参考文献 | 第25-28页 |
| 第二章 深层神经网络与图像识别 | 第28-44页 |
| 2.1 深层神经网络一般结构 | 第28-29页 |
| 2.2 生成模型与判别模型 | 第29-31页 |
| 2.3 卷积神经网络 | 第31-39页 |
| 2.3.1 卷积神经网络与图像识别 | 第31-33页 |
| 2.3.2 卷积神经网络模型 | 第33-35页 |
| 2.3.3 卷积神经网络前向传播 | 第35-37页 |
| 2.3.4 卷积神经网络反向传播 | 第37-39页 |
| 2.4 神经网络的深度与宽度 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 第三章 神经网络特征稀疏性研究 | 第44-58页 |
| 3.1 相关研究与改进思路 | 第44-45页 |
| 3.2 DropConnect算法 | 第45-46页 |
| 3.3 SparseDropConnect算法 | 第46-50页 |
| 3.3.1 特性稀疏性 | 第46-47页 |
| 3.3.2 Sparse DropConnect训练方法 | 第47-48页 |
| 3.3.3 权值置零概率函数 | 第48-49页 |
| 3.3.4 特征稀疏性度量方法 | 第49-50页 |
| 3.4 仿真结果与分析 | 第50-55页 |
| 3.4.1 实验方法 | 第50-51页 |
| 3.4.2 MNIST数据集实验 | 第51-54页 |
| 3.4.3 CIFAR-10数据集实验 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 第四章 卷积神经网络尺度不变性研究 | 第58-74页 |
| 4.1 相关研究与改进思路 | 第58-59页 |
| 4.2 单尺度卷积神经网络 | 第59页 |
| 4.3 多尺度卷积神经网络 | 第59-61页 |
| 4.3.1 问题描述 | 第59-60页 |
| 4.3.2 多尺度卷积模型前向传播 | 第60-61页 |
| 4.3.3 多尺度卷积模型反向传播 | 第61页 |
| 4.4 嵌套多层Maxout网络 | 第61-63页 |
| 4.5 仿真结果与分析 | 第63-70页 |
| 4.5.1 MNIST-scale数据集实验 | 第63-66页 |
| 4.5.2 CIFAR-10数据集实验 | 第66-69页 |
| 4.5.3 Caltech行人检测数据集实验 | 第69-70页 |
| 4.6 本章小结 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 第五章 多通道批量归一化算法研究 | 第74-88页 |
| 5.1 相关研究与改进思路 | 第74-75页 |
| 5.2 相关算法与模型 | 第75-76页 |
| 5.2.1 批量归一化算法 | 第75页 |
| 5.2.2 深度残差模型 | 第75-76页 |
| 5.3 跨通道批量归一化 | 第76-77页 |
| 5.3.1 问题描述 | 第76-77页 |
| 5.4 模型描述 | 第77-81页 |
| 5.4.1 跨通道批量归一化算法 | 第77页 |
| 5.4.2 训练过程中的前向传播 | 第77-79页 |
| 5.4.3 训练过程中的反向传播 | 第79-81页 |
| 5.4.4 推理过程 | 第81页 |
| 5.5 仿真结果与分析 | 第81-84页 |
| 5.5.1 激活值规则化效果 | 第81-82页 |
| 5.5.2 CIFAR-10图像分类实验 | 第82-84页 |
| 5.6 本章小结 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 第六章 频率选择性卷积神经网络 | 第88-102页 |
| 6.1 相关研究与改进思路 | 第88-89页 |
| 6.2 卷积在不同信号域的应用 | 第89-90页 |
| 6.2.1 空域卷积神经网络 | 第89页 |
| 6.2.2 时域卷积神经网络 | 第89-90页 |
| 6.2.3 频域卷积神经网络 | 第90页 |
| 6.3 模型描述 | 第90-95页 |
| 6.3.1 卷积定理 | 第91页 |
| 6.3.2 滤波器设计 | 第91-93页 |
| 6.3.3 前向传播 | 第93页 |
| 6.3.4 反向传播 | 第93-94页 |
| 6.3.5 与传统CNN模型的区别 | 第94-95页 |
| 6.4 仿真结果与分析 | 第95-99页 |
| 6.4.1 CIFAR-10数据集实验 | 第95-96页 |
| 6.4.2 CIFAR-100数据集实验 | 第96-97页 |
| 6.4.3 GTSRB数据集实验 | 第97-99页 |
| 6.5 本章小结 | 第99-100页 |
| 参考文献 | 第100-102页 |
| 第七章 总结与展望 | 第102-106页 |
| 7.1 全文总结 | 第102-104页 |
| 7.2 下一步工作 | 第104-106页 |
| 附录 缩略语表 | 第106-108页 |
| 致谢 | 第108-110页 |
| 攻读学位期间发表的学术论文目录 | 第110页 |