| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本论文的主要工作内容 | 第15-16页 |
| 1.4 本文的组织与结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 卷积神经网络相关技术概述 | 第18-33页 |
| 2.1 人工神经网络 | 第18-20页 |
| 2.1.1 s型神经元 | 第18-19页 |
| 2.1.2 多层神经网络 | 第19-20页 |
| 2.1.3 激活函数 | 第20页 |
| 2.2 常见的人工神经网络模型 | 第20-29页 |
| 2.2.1 受限玻尔兹曼机(RBM) | 第20-23页 |
| 2.2.2 深度信念网(DBN) | 第23-24页 |
| 2.2.3 自编码器(AE) | 第24-29页 |
| 2.3 卷积神经网络及相关概述 | 第29-32页 |
| 2.3.1 概述 | 第29-30页 |
| 2.3.2 卷积神经网络的原理 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于多尺度池化的卷积神经网络 | 第33-64页 |
| 3.1 卷积神经网络基本结构 | 第33-40页 |
| 3.1.1 卷积层 | 第33-36页 |
| 3.1.2 池化层 | 第36-38页 |
| 3.1.3 全连接层与分类器 | 第38-40页 |
| 3.2 降采样问题分析 | 第40-43页 |
| 3.3 多尺度池化 | 第43-46页 |
| 3.4 基于多尺度池化的卷积神经网络 | 第46-51页 |
| 3.4.1 基于MNIST数据集的卷积神经网络模型 | 第46-49页 |
| 3.4.2 基于Cifar-10数据集的卷积神经网络模型 | 第49-51页 |
| 3.5 实验验证及分析 | 第51-63页 |
| 3.5.1 实验环境 | 第51页 |
| 3.5.2 数据集描述 | 第51-52页 |
| 3.5.3 网络优化 | 第52-55页 |
| 3.5.4 实验验证及分析 | 第55-63页 |
| 3.6 本章小结 | 第63-64页 |
| 4 基于Kernel-Dropconnect的卷积神经网络 | 第64-80页 |
| 4.1 卷积神经网络问题分析 | 第64-65页 |
| 4.2 基于Dropconnect的KDC结构 | 第65-66页 |
| 4.3 KDCnet模型结构 | 第66-69页 |
| 4.3.1 基础卷积层 | 第66-67页 |
| 4.3.2 核心卷积层 | 第67-69页 |
| 4.4 实验验证及分析 | 第69-79页 |
| 4.4.1 数据集描述 | 第69页 |
| 4.4.2 网络优化 | 第69-77页 |
| 4.4.3 实验结果 | 第77-79页 |
| 4.5 本章小结 | 第79-80页 |
| 5 总结与展望 | 第80-82页 |
| 5.1 总结 | 第80-81页 |
| 5.2 未来展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 个人简历 | 第86页 |
| 硕士期间发表论文 | 第86页 |
| 硕士期间获奖情况 | 第86-87页 |
| 致谢 | 第87页 |
