深度学习在图像识别中的研究及应用

摘要	第1-5页
Abstract	第5-9页
第1章 绪论	第9-15页
·课题来源	第9页
·课题研究背景及意义	第9-13页
·国内外研究现状	第13-14页
·论文主要内容和组织结构	第14-15页
第2章 基于卷积神经网络的图像识别	第15-30页
·传统人工神经网络结构	第15-17页
·卷积神经网络结构	第17-24页
·卷积神经网络结构	第18-19页
·卷积神经网络的参数减少和权值共享	第19-21页
·卷积神经网络的参数更新	第21-24页
·基于卷积神经网络的手写字体识别	第24-29页
·MNIST 数据库及手写字体识别一般方法	第24页
·基于卷积神经网络的手写字体识别	第24-26页
·实验结果和对比	第26-29页
·本章小结	第29-30页
第3章 基于深度信念网络的图像识别	第30-45页
·深度网络分层训练的思想	第30-33页
·浅层学习和深度学习	第30-32页
·深度网络的分层学习思想	第32-33页
·深度信念网络（DBNs）基本原理	第33-39页
·受限制玻尔兹曼机模型	第33-35页
·受限制玻尔兹曼机（RBM）学习方法	第35-37页
·深度信念网络（DBNs）的模型和方法	第37-39页
·基于深度信念网络的图像识别	第39-44页
·基于深度信念网络的手写字体识别	第39-43页
·基于深度信念网络的自然场景识别	第43-44页
·本章小结	第44-45页
第4章 基于小样本的深度信念网络的应用研究	第45-59页
·随机隐退思想及其应用	第45-50页
·随机隐退的思想	第45-47页
·随机隐退应用于神经网络	第47-50页
·随机隐退和深度学习算法的结合	第50-53页
·基于降采样和随机隐退的深度信念网络	第53-58页
·图像降采样	第54-55页
·降采样和随机隐退相结合应用于深度信念网络	第55-58页
·小结	第58-59页
第5章 总结与展望	第59-61页
·课题总结	第59-60页
·课题展望	第60-61页
致谢	第61-62页
参考文献	第62-64页