神经网络图像识别技术研究与实现
| 第一章 绪论 | 第1-12页 |
| 1．1 课题的目的及意义 | 第6-7页 |
| 1．2 神经网络的发展、应用及其特点 | 第7-10页 |
| 1．3 图像识别及分类技术概况 | 第10页 |
| 1．4 神经网络应用于图像识别技术的现况 | 第10-12页 |
| 第二章 图像识别原理简介 | 第12-18页 |
| 2．1 图像识别系统 | 第12页 |
| 2．2 基于图像的模式识别方法 | 第12-18页 |
| 2．1．1 模板匹配法 | 第12-13页 |
| 2．1．2 统计模式识别法 | 第13-14页 |
| 2．1．3 模糊模式识别法 | 第14-15页 |
| 2．1．4 句法模式识别法 | 第15页 |
| 2．1．5 人工神经网络模式识别法 | 第15-18页 |
| 第三章 人工神经网路理论基础 | 第18-34页 |
| 3．1 人工神经网络基本概念 | 第18-19页 |
| 3．2 人工神经网络的结构 | 第19-21页 |
| 3．3 人工神经网络的学习 | 第21-23页 |
| 3．3．1 学习方式 | 第21-22页 |
| 3．3．2 学习规则 | 第22-23页 |
| 3．4 几种模式识别应用中的网络模型 | 第23-29页 |
| 3．5 BP网络 | 第29-34页 |
| 3．5．1 BP网络结构及BP算法 | 第29-32页 |
| 3．5．2 关于BP网络优缺点的讨论 | 第32-34页 |
| 第四章 神经网络图像识别系统设计 | 第34-40页 |
| 4．1 BP网络分类器的设计 | 第34-38页 |
| 4．2 样本的选择及组织 | 第38页 |
| 4．3 网络的输入 | 第38-40页 |
| 第五章 实验结果及分析 | 第40-44页 |
| 第六章 BP网络的硬件实现 | 第44-52页 |
| 6．1 神经网络实现技术的现状 | 第44-45页 |
| 6．2 S型激励函数的硬件实现 | 第45-46页 |
| 6．3 硬件BP网络的结构 | 第46-52页 |
| 结论 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者在读研期间的研究成果 | 第60页 |
