基于卷积神经网络的冷轧薄板表面缺陷分类算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 概述 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题目的及研究意义 | 第9-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 当前研究存在的问题 | 第14页 |
| 1.5 本文的主要研究工作 | 第14-16页 |
| 第2章 卷积神经网络简介 | 第16-32页 |
| 2.1 卷积神经网络的思想架构 | 第16-18页 |
| 2.2 卷积神经网络的结构 | 第18-24页 |
| 2.3 卷积网络训练过程 | 第24-30页 |
| 2.4 卷积网络优缺点 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 卷积神经网络参数的设置 | 第32-41页 |
| 3.1 激活函数的选择 | 第32-38页 |
| 3.2 学习率的选择 | 第38-39页 |
| 3.3 附加动量项 | 第39页 |
| 3.4 权值初始化 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于稀疏自编码初始化卷积神经网络 | 第41-50页 |
| 4.1 自动编码器 | 第41-43页 |
| 4.2 稀疏自编码器 | 第43-47页 |
| 4.3 稀疏自编码特征可视化 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于卷积神经网络的冷轧薄板表面缺陷分类 | 第50-62页 |
| 5.1 实验数据 | 第50-52页 |
| 5.2 实验平台搭建 | 第52-55页 |
| 5.3 实验结果比较 | 第55-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
