深度学习中网络冗余性分析
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外相关研究进展 | 第11-13页 |
| 1.3 本文主要研究思路 | 第13-14页 |
| 1.4 本文结构 | 第14-15页 |
| 第2章 深度学习相关技术 | 第15-23页 |
| 2.1 深度学习简介及发展 | 第15-16页 |
| 2.2 深度学习原理及优势 | 第16页 |
| 2.3 卷积神经网络简介 | 第16-21页 |
| 2.3.1 概述 | 第16-18页 |
| 2.3.2 训练过程 | 第18-21页 |
| 2.4 经典卷积神经网络结构介绍 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 深度神经网络中性能与参数间关系的研究 | 第23-33页 |
| 3.1 实验环境及数据介绍 | 第23-25页 |
| 3.2 深度神经网络中初始化参数对性能的影响 | 第25-26页 |
| 3.3 深度神经网络中卷积核对性能的影响 | 第26-27页 |
| 3.4 训练集对于网络模型性能的影响 | 第27-32页 |
| 3.4.1 训练集数量对网络模型性能的影响 | 第27-29页 |
| 3.4.2 训练集内容网络模型性能的影响 | 第29-30页 |
| 3.4.3 训练集输入顺序对网络模型性能的影响 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 适用于深度神经网络的SR优化方法 | 第33-45页 |
| 4.1 深度神经网络的不足及优化 | 第33-35页 |
| 4.2 SR方法概述 | 第35-39页 |
| 4.2.1 稀疏（SPARSE） | 第36-38页 |
| 4.2.2 抑制（RESTRAIN） | 第38-39页 |
| 4.3 实验结果与分析 | 第39-44页 |
| 4.3.1 实验设置 | 第39-40页 |
| 4.3.2 实验结果 | 第40-43页 |
| 4.3.3 结果分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 结论 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第50页 |
