| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 深度学习研究现状 | 第12-13页 |
| 1.3 字符识别研究现状 | 第13-14页 |
| 1.4 本文主要工作及组织结构 | 第14-16页 |
| 第二章 神经网络基础介绍及中文手写体字符图像预处理 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 基本神经网络简介 | 第16-22页 |
| 2.2.1 基本神经元简介 | 第16-17页 |
| 2.2.2 神经网络模型前向传播 | 第17-19页 |
| 2.2.3 反向传播算法以及梯度下降法 | 第19-22页 |
| 2.3 离线中文手写体字符数据集介绍 | 第22-24页 |
| 2.3.1 CASIA中文手写体字符数据集 | 第22-23页 |
| 2.3.2 离线中文手写体字符数据集采集 | 第23-24页 |
| 2.4 离线中文手写体字符的预处理 | 第24-28页 |
| 2.4.1 网络初始化权重与预处理间关系 | 第24-26页 |
| 2.4.2 尺度变换 | 第26页 |
| 2.4.3 均值减除 | 第26-27页 |
| 2.4.4 数据集扩增 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于多列深度神经网络的中文手写体字符识别 | 第29-51页 |
| 3.1 引言 | 第29页 |
| 3.2 深度卷积神经网络的基本结构 | 第29-39页 |
| 3.2.1 卷积层特征提取 | 第29-30页 |
| 3.2.2 池化层特征提取 | 第30-31页 |
| 3.2.3 改进的激活函数ReLU | 第31-33页 |
| 3.2.4 全连接层构建 | 第33-34页 |
| 3.2.5 Dropout层 | 第34-36页 |
| 3.2.6 Softmax回归 | 第36-39页 |
| 3.3 多列深度神经网络的构建 | 第39-45页 |
| 3.3.1 深度卷积神经网络结构设计 | 第39-41页 |
| 3.3.2 深度卷积神经网络模型融合 | 第41-43页 |
| 3.3.3 多列深度神经网络结构设计 | 第43-45页 |
| 3.4 实验结果与对比分析 | 第45-49页 |
| 3.4.1 中文手写体字符识别训练网络参数设置 | 第45-46页 |
| 3.4.2 不同带权重层深度卷积神经网络实验结果 | 第46-47页 |
| 3.4.3 深度卷积神经网络可视化结果 | 第47-49页 |
| 3.4.4 多列深度卷积神经网络实验结果 | 第49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 基于批正则化处理的中文手写体字符识别 | 第51-69页 |
| 4.1 引言 | 第51页 |
| 4.2 批正则化处理简介 | 第51-55页 |
| 4.2.1 批正则化处理引入 | 第51-53页 |
| 4.2.2 消除内部协变量迁移 | 第53-55页 |
| 4.3 批正则化处理算法 | 第55-61页 |
| 4.3.1 正则化处理算法 | 第55-56页 |
| 4.3.2 “小批”样本批正则化处理算法 | 第56-58页 |
| 4.3.3 神经网络的批正则化处理算法 | 第58-61页 |
| 4.4 GOOGLENET深度网络结构介绍 | 第61-64页 |
| 4.4.1 Inception网络模型 | 第62-64页 |
| 4.4.2 GoogLeNet网络模型构建 | 第64页 |
| 4.5 正则化处理与GOOGLENET相结合的网络构建 | 第64-67页 |
| 4.6 实验结果与对比分析 | 第67-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69页 |
| 5.2 后续工作展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |