| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 本文研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-13页 |
| 1.2.1 卷积神经网络的研究进展 | 第10-12页 |
| 1.2.2 变电站监控图像识别技术的研究与发展现状 | 第12-13页 |
| 1.3 论文的主要研究内容和结构安排 | 第13-15页 |
| 第2章 卷积神经网络理论 | 第15-25页 |
| 2.1 多层感知器神经网络 | 第15-19页 |
| 2.1.1 MLP的网络结构 | 第15-16页 |
| 2.1.2 MLP神经网络的训练算法 | 第16-19页 |
| 2.2 卷积神经网络 | 第19-23页 |
| 2.2.1 卷积神经网络的结构 | 第20-22页 |
| 2.2.2 卷积神经网络的训练算法 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于非线性修正函数的CNNs图像识别方法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 常用激活函数及其特性 | 第25-26页 |
| 3.3 非线性修正激活函数及其特性 | 第26-27页 |
| 3.4 实验及结果分析 | 第27-33页 |
| 3.4.1 MNIST实验 | 第27-31页 |
| 3.4.2 Caltech-101实验 | 第31-32页 |
| 3.4.3 CIFAR-10实验 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于矩阵 2-范数池化的CNNs图像识别方法 | 第34-41页 |
| 4.1 引言 | 第34页 |
| 4.2 CNNs的池化方法 | 第34-36页 |
| 4.3 矩阵 2-范数池化方法 | 第36-38页 |
| 4.4 实验及结果分析 | 第38-40页 |
| 4.4.1 MNIST实验结果 | 第38-39页 |
| 4.4.2 Caltech-101实验结果 | 第39-40页 |
| 4.4.3 CIFAR-10实验结果 | 第40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 CNNs在变电站监控图像识别中的应用 | 第41-49页 |
| 5.1 引言 | 第41页 |
| 5.2 基于CNNs的变电站监控图像识别实验 | 第41-48页 |
| 5.2.1 人员闯入实验及结果 | 第41-46页 |
| 5.2.1.1 图像采集和预处理 | 第41-43页 |
| 5.2.1.2 卷积神经网络模型结构设计 | 第43-44页 |
| 5.2.1.3 识别结果与分析 | 第44-46页 |
| 5.2.1.4 与其他方法的对比 | 第46页 |
| 5.2.2 误入限制或者危险区域实验及结果 | 第46-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 结论与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |