| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究目的与意义 | 第8-9页 |
| 1.3 卷积神经网络研究现状 | 第9-14页 |
| 1.3.1 适当简化 | 第9-10页 |
| 1.3.2 降低过拟合 | 第10-11页 |
| 1.3.3 增大梯度信号 | 第11-12页 |
| 1.3.4 更深的网络 | 第12页 |
| 1.3.5 增加随机性 | 第12-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 卷积神经网络简介 | 第15-22页 |
| 2.1 卷积神经网络基本结构 | 第15-16页 |
| 2.1.1 卷积层和池化层 | 第15-16页 |
| 2.1.2 全连接层 | 第16页 |
| 2.1.3 归一化层 | 第16页 |
| 2.2 卷积神经网络相关原理 | 第16-18页 |
| 2.2.1 卷积运算和池化运算 | 第16-17页 |
| 2.2.2 损失函数和梯度下降 | 第17-18页 |
| 2.2.3 归一化 | 第18页 |
| 2.3 DENSENET模型和小世界网络 | 第18-19页 |
| 2.3.1 DenseNet模型 | 第18-19页 |
| 2.3.2 小世界网络 | 第19页 |
| 2.4 其它常用模型 | 第19-22页 |
| 2.4.1 可变形卷积 | 第19-20页 |
| 2.4.2 特征图排序 | 第20-21页 |
| 2.4.3 反卷积 | 第21-22页 |
| 第三章 基于DENSENET改进的卷积神经网络模型 | 第22-40页 |
| 3.1 问题分析与解决方案 | 第22页 |
| 3.2 SWNET模型 | 第22-24页 |
| 3.2.1 跨层连边 | 第22-23页 |
| 3.2.2 SWNet模型的设计思想 | 第23-24页 |
| 3.2.3 SWNet模型的构造方法 | 第24页 |
| 3.3 实验数据集介绍 | 第24-25页 |
| 3.4 两种跨层连边方式的比较 | 第25-27页 |
| 3.4.1 实验设计 | 第25-26页 |
| 3.4.2 实验结果及分析 | 第26-27页 |
| 3.5 跨层连边数量对模型准确率的影响 | 第27-33页 |
| 3.5.1 实验设计 | 第27页 |
| 3.5.2 网络结构设计 | 第27-28页 |
| 3.5.3 参数设置及实验环境说明 | 第28页 |
| 3.5.4 跨层连边数量对准确率影响的分析 | 第28-33页 |
| 3.6 跨层连边分布对模型准确率的影响 | 第33-39页 |
| 3.6.1 实验设计 | 第33页 |
| 3.6.2 网络结构设计 | 第33-34页 |
| 3.6.3 跨层连边分布对准确率影响的分析 | 第34-39页 |
| 3.7 本章总结 | 第39-40页 |
| 第四章 SWNET在医学图像识别中的应用 | 第40-44页 |
| 4.1 问题分析 | 第40页 |
| 4.2 模型设计 | 第40-41页 |
| 4.3 参数设置 | 第41页 |
| 4.4 数据预处理 | 第41-42页 |
| 4.5 实验结果及分析 | 第42-43页 |
| 4.6 结论 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-52页 |
| 攻读学位期间的研究成果 | 第52-53页 |
| 致谢 | 第53-55页 |