| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状与发展趋势 | 第11-14页 |
| 1.2.1 舌诊现代化研究进展 | 第11-12页 |
| 1.2.2 卷积神经网络研究进展 | 第12-14页 |
| 1.3 本文主要内容与章节安排 | 第14-16页 |
| 第2章 人工神经网络与卷积神经网络 | 第16-33页 |
| 2.1 人工神经网络 | 第16-18页 |
| 2.1.1 神经元 | 第16-17页 |
| 2.1.2 人工神经网络 | 第17-18页 |
| 2.2 卷积神经网络的特点 | 第18-21页 |
| 2.3 卷积神经网络的拓扑结构 | 第21-24页 |
| 2.4 非线性激活函数 | 第24-25页 |
| 2.5 Softmax回归与Softmax Loss | 第25-27页 |
| 2.6 反向传播与梯度下降 | 第27-29页 |
| 2.6.1 反向传播与梯度下降算法 | 第27-28页 |
| 2.6.2 梯度计算 | 第28-29页 |
| 2.7 卷积神经网络的优化 | 第29-32页 |
| 2.7.1 Dropout | 第29-30页 |
| 2.7.2 Batch Normalization | 第30-31页 |
| 2.7.3 权重衰减（Weight decay） | 第31页 |
| 2.7.4 动量更新（Momentum） | 第31-32页 |
| 2.8 本章小结 | 第32-33页 |
| 第3章 基于单任务卷积神经网络的舌象模式分类模型 | 第33-43页 |
| 3.1 单任务卷积神经网络模型的结构设计 | 第33-34页 |
| 3.2 舌色分类模型的构建 | 第34-36页 |
| 3.3 舌苔色分类模型的构建 | 第36-37页 |
| 3.4 舌苔质分类模型的构建 | 第37-41页 |
| 3.4.1 舌苔薄厚分类模型的构建 | 第37-38页 |
| 3.4.2 舌苔润燥分类模型的构建 | 第38-40页 |
| 3.4.3 舌苔腐腻分类模型的构建 | 第40-41页 |
| 3.5 单任务卷积神经网络模型的训练机制 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于多任务卷积神经网络的舌象模式分类模型 | 第43-51页 |
| 4.1 多任务学习 | 第43-46页 |
| 4.2 舌色与舌苔色分类模型 | 第46-48页 |
| 4.2.1 舌色与舌苔色分类模型的构建 | 第46-47页 |
| 4.2.2 舌色与舌苔色分类模型的训练机制 | 第47-48页 |
| 4.3 舌苔质分类模型 | 第48-50页 |
| 4.3.1 舌苔质分类模型的构建 | 第48-49页 |
| 4.3.2 舌苔质分类模型的训练机制 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 模型训练与结果分析 | 第51-74页 |
| 5.1 实验数据 | 第51-55页 |
| 5.1.1 舌象图像采集 | 第51-53页 |
| 5.1.2 数据均衡 | 第53页 |
| 5.1.3 数据增强 | 第53-55页 |
| 5.1.4 数据预处理 | 第55页 |
| 5.2 模型的实现方式 | 第55-56页 |
| 5.3 单任务卷积神经网络模型的训练与分析 | 第56-66页 |
| 5.4 多任务卷积神经网络模型的训练与分析 | 第66-70页 |
| 5.5 舌象模式分类图形用户界面 | 第70-73页 |
| 5.5.1 界面设计原则及流程 | 第70-71页 |
| 5.5.2 界面的操作流程 | 第71-73页 |
| 5.6 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第80-81页 |
| 致谢 | 第81页 |