卷积神经网络在图像识别上的应用的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 图目录 | 第10-11页 |
| 表目录 | 第11-12页 |
| 第1章 绪论 | 第12-22页 |
| ·人工神经网络的发展和现状 | 第12-14页 |
| ·深度学习技术的发展和其对人工神经网络的影响 | 第14-17页 |
| ·卷积神经网络的发展 | 第17-18页 |
| ·分层无监督学习算法与卷积神经网络的结合 | 第18-19页 |
| ·图像识别技术的研究现状 | 第19-20页 |
| ·本文的主要工作和内容安排 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 人工神经网络和卷积神经网络的结构及算法 | 第22-44页 |
| ·多层前馈网络 | 第23-28页 |
| ·感知器单元 | 第23-26页 |
| ·多层前馈网络和BP算法 | 第26-28页 |
| ·卷积神经网络 | 第28-37页 |
| ·卷积神经网络结构 | 第29-30页 |
| ·适用于卷积神经网络的反向传播算法 | 第30-33页 |
| ·卷积神经网络的一些相关问题 | 第33-37页 |
| ·卷积神经网络的研究方向 | 第37页 |
| ·无监督学习层次化的不变特征 | 第37-43页 |
| ·用于不变特征学习的架构 | 第39-41页 |
| ·学习算法 | 第41-42页 |
| ·稀疏的不变特征 | 第42-43页 |
| ·学习特征的层次结构 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第3章 卷积神经网络在手写数字识别上的应用 | 第44-55页 |
| ·MNIST手写数字数据集 | 第44-45页 |
| ·卷积神经网络模型的工作方式及改进方法 | 第45-46页 |
| ·本文采用的卷积神经网络模型的结构 | 第46-49页 |
| ·网络模型一(CNN1-1) | 第47-48页 |
| ·网络模型二(CNN1-2) | 第48页 |
| ·网络模型三(CNN1-3) | 第48-49页 |
| ·实验结果 | 第49-54页 |
| ·LeNet-5在MNIST数据集上的实验结果 | 第49-51页 |
| ·CNN1-1在MNIST数据集上的实验结果 | 第51-52页 |
| ·CNN1-2在MNIST数据集上的实验结果 | 第52页 |
| ·CNN1-3在MNIST数据集上的实验结果 | 第52-53页 |
| ·实验结果对比 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 卷积神经网络在人脸识别上的应用 | 第55-60页 |
| ·ORL人脸数据集 | 第55页 |
| ·应用于ORL数据集的卷积神经网络的结构 | 第55-56页 |
| ·实验结果 | 第56-59页 |
| ·CNN2-1在ORL数据集上的实验结果 | 第56-57页 |
| ·CNN2-2在ORL数据集上的实验结果 | 第57-58页 |
| ·CNN2-3在ORL数据集上的实验结果 | 第58-59页 |
| ·实验结果对比 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-63页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69页 |
