| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外的研究现状 | 第9-14页 |
| 1.2.1 卷积神经网络的发展现状 | 第9-13页 |
| 1.2.2 手写字应用现状 | 第13页 |
| 1.2.3 Apache Spark应用现状 | 第13-14页 |
| 1.3 卷积神经网络软硬件实现条件 | 第14-15页 |
| 1.4 研究的目的及意义 | 第15页 |
| 1.5 论文的创新点及组织结构 | 第15-17页 |
| 1.5.1 论文的创新点 | 第15-16页 |
| 1.5.2 论文的组织结构 | 第16-17页 |
| 2 神经网络 | 第17-29页 |
| 2.1 人工神经网络 | 第17-23页 |
| 2.1.1 单个神经网络 | 第17-18页 |
| 2.1.2 神经网络 | 第18-19页 |
| 2.1.3 多层感知机(MLP) | 第19-20页 |
| 2.1.4 反向传导算法 | 第20-23页 |
| 2.2 卷积神经网络 | 第23-28页 |
| 2.2.1 稀疏连接 | 第23-24页 |
| 2.2.2 权重共享 | 第24页 |
| 2.2.3 最大池采样 | 第24-25页 |
| 2.2.4 Softmax回归 | 第25-27页 |
| 2.2.5 卷积神经网络整体架构 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 混合卷积神经网络在Spark上的实现 | 第29-42页 |
| 3.1 基于Spark混合卷积神经网络的工作原理和整体框架 | 第29-34页 |
| 3.1.1 基于Spark卷积神经网络并行性研究 | 第29-31页 |
| 3.1.2 基于Spark混合卷积神经网络的计算框架设计 | 第31-33页 |
| 3.1.3 CNN1+CNN2隐藏层设计 | 第33-34页 |
| 3.1.4 混合卷积网络运行原理 | 第34页 |
| 3.2 基于Spark混合卷积神经网络层内运行机制研究 | 第34-41页 |
| 3.2.1 单个输出的分布式架构 | 第35-37页 |
| 3.2.2 多个输出的分布式架构 | 第37-39页 |
| 3.2.3 分布式模型的参数选取 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 基于Spark混合卷积神经网络手写字的识别 | 第42-56页 |
| 4.1 CNN网络整体架构 | 第42-46页 |
| 4.1.1 CNN网络整体架构详细设计 | 第42-43页 |
| 4.1.2 CNN卷积参数详细设计 | 第43-44页 |
| 4.1.3 实验步骤 | 第44页 |
| 4.1.4 CNN网络架构特征图选取 | 第44-46页 |
| 4.2 卷积神经网络相关参数和相应的格式 | 第46-48页 |
| 4.2.1 数值精度的运用和分析 | 第46-47页 |
| 4.2.2 卷积神经网络精度的合理选择 | 第47-48页 |
| 4.3 实验与分析 | 第48-55页 |
| 4.3.1 实验方案与设置 | 第48-50页 |
| 4.3.2 性能与分析 | 第50-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 总结和展望 | 第56-57页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 攻读学位期间的主要学术成果 | 第63-64页 |
| 致谢 | 第64页 |
