| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 深度学习在自然语言处理领域的应用 | 第13页 |
| 1.2.2 深度学习在图像识别领域的应用 | 第13-14页 |
| 1.2.3 深度学习在语音识别领域的应用 | 第14页 |
| 1.2.4 卷积神经网络的发展 | 第14-15页 |
| 1.3 本文的内容及工作安排 | 第15-17页 |
| 第二章 卷积神经网络 | 第17-35页 |
| 2.1 人工神经网络 | 第17-27页 |
| 2.1.1 人工神经元 | 第17-19页 |
| 2.1.2 人工神经网络 | 第19-24页 |
| 2.1.3 反向传播算法 | 第24-27页 |
| 2.2 卷积神经网络 | 第27-33页 |
| 2.2.1 卷积 | 第27-28页 |
| 2.2.2 池化 | 第28页 |
| 2.2.3 卷积神经网络的结构 | 第28-30页 |
| 2.2.4 卷积神经网络的训练过程 | 第30-32页 |
| 2.2.5 卷积神经网络的优点 | 第32-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 基于深度卷积神经网络算法改进(dropout)的识别研究 | 第35-45页 |
| 3.1 基于卷积神经网络手写字符识别 | 第35-39页 |
| 3.1.1 MNIST手写字符库简介及手写字符识别的一般方法 | 第35-36页 |
| 3.1.2 基于卷积神经网络手写字符识别 | 第36-37页 |
| 3.1.3 实验结果和分析 | 第37-39页 |
| 3.2 基于深度卷积神经网络算法改进(dropout)的识别研究 | 第39-44页 |
| 3.2.1 dropout的主要思想 | 第40-41页 |
| 3.2.2 dropout应用于卷积神经网络 | 第41-42页 |
| 3.2.3 实验结果和分析 | 第42-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 卷积神经网络在生物DNA图谱的应用研究 | 第45-55页 |
| 4.1 生物DNA图谱识别概述 | 第45页 |
| 4.2 生物DNA图谱识别技术 | 第45-46页 |
| 4.3 基于卷积神经网络的生物DNA图谱识别技术 | 第46-54页 |
| 4.3.1 卷积神经网络的生物DNA图谱识别技术 | 第46-50页 |
| 4.3.2 实验结果和分析 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 研究成果及发表的学术论文 | 第63-65页 |
| 作者和导师简介 | 第65-66页 |
| 附件 | 第66-67页 |
