| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究背景与意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 人工神经网络研究现状 | 第17-18页 |
| 1.2.2 图像识别技术研究现状 | 第18-20页 |
| 1.3 研究目标与内容 | 第20-21页 |
| 1.4 本论文结构安排 | 第21-23页 |
| 第二章 人工神经网络基础和BP算法的改进 | 第23-35页 |
| 2.1 人工神经网络基础 | 第23-30页 |
| 2.1.1 人工神经元模型 | 第23-26页 |
| 2.1.2 多层前馈网络模型 | 第26-29页 |
| 2.1.3 多层前馈网络的模型选择相关问题 | 第29-30页 |
| 2.2 经典BP学习算法介绍 | 第30-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 卷积神经网络的结构和算法 | 第35-47页 |
| 3.1 CNN的前向传播模型 | 第35-38页 |
| 3.2 CNN的反向传播算法 | 第38-40页 |
| 3.3 CNN的相关问题 | 第40-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于卷积神经网络的手写数字识别 | 第47-61页 |
| 4.1 手写数字识别的难点 | 第47-48页 |
| 4.2 MNIST手写数字数据集 | 第48-49页 |
| 4.3 本文采用的神经网络模型结构 | 第49-51页 |
| 4.3.1 多层前馈网络模型 | 第49-50页 |
| 4.3.2 卷积神经网络模型 | 第50-51页 |
| 4.4 实验结果与分析 | 第51-59页 |
| 4.4.1 MLP训练过程中各隐层的梯度变化分析 | 第51-52页 |
| 4.4.2 不同学习率对网络收敛的影响分析 | 第52-53页 |
| 4.4.3 增加权重衰减项对CNN网络泛化能力的影响 | 第53-56页 |
| 4.4.4 CNN与MLP的网络性能分析 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 基于卷积神经网络的人脸识别 | 第61-79页 |
| 5.1 人脸识别的研究难点 | 第61-62页 |
| 5.2 ORL人脸数据集 | 第62页 |
| 5.3 人脸识别采用的卷积神经网络结构 | 第62-63页 |
| 5.4 实验结果及分析 | 第63-77页 |
| 5.4.1 改进算法的学习率控制参数的优化分析 | 第63-69页 |
| 5.4.2 卷积核参数对网络识别结果的影响分析 | 第69-73页 |
| 5.4.3 CNN2模型在ORL数据集上的识别性能分析 | 第73-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 作者简介 | 第87-88页 |