基于BP神经网络的商标识别方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 研究的内容及意义 | 第15-17页 |
| 第二章 整体方案设计 | 第17-23页 |
| 2.1 神经网络的选取 | 第17-19页 |
| 2.1.1 BP神经网络 | 第17-18页 |
| 2.1.2 RBF神经网络 | 第18-19页 |
| 2.1.3 CMAC神经网络 | 第19页 |
| 2.2 核心处理器的选取 | 第19-21页 |
| 2.2.1 单片机 | 第19-20页 |
| 2.2.2 现场可编程门阵列 | 第20-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 神经网络算法 | 第23-35页 |
| 3.1 神经元 | 第23-26页 |
| 3.1.1 神经元的结构 | 第23页 |
| 3.1.2 人工神经元的数学模型 | 第23-25页 |
| 3.1.3 转移函数 | 第25-26页 |
| 3.2 BP神经网络原理 | 第26-30页 |
| 3.2.1 BP神经网络算法 | 第26-27页 |
| 3.2.2 量化共轭梯度法 | 第27-30页 |
| 3.3 计算不变矩 | 第30-33页 |
| 3.3.1 提取图像特征值 | 第30页 |
| 3.3.2 计算图像不变矩 | 第30-33页 |
| 3.4 确定节点数和及激活函数 | 第33-34页 |
| 3.4.1 BP神经网络节点数的确定 | 第33页 |
| 3.4.2 激活函数的确定 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于FPGA的设计与实现 | 第35-53页 |
| 4.1 BP神经网络 | 第35-37页 |
| 4.1.1 BP神经网络的流程 | 第35页 |
| 4.1.2 BP神经网络的训练方法 | 第35-36页 |
| 4.1.3 IEEE754 | 第36-37页 |
| 4.2 控制模块 | 第37-38页 |
| 4.3 存储模块 | 第38页 |
| 4.4 神经元模块 | 第38-47页 |
| 4.4.1 总体设计 | 第38-40页 |
| 4.4.2 乘加模块 | 第40-41页 |
| 4.4.3 激活函数模块 | 第41-47页 |
| 4.5 不变矩模块 | 第47-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 实验结果及性能分析 | 第53-67页 |
| 5.1 人工神经元的仿真 | 第53-57页 |
| 5.2 BP神经网络的仿真 | 第57-61页 |
| 5.3 不变矩仿真 | 第61-62页 |
| 5.4 性能分析 | 第62-64页 |
| 5.5 本章小节 | 第64-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录A 攻读硕士学位期间学术成果 | 第75页 |
