人工神经网络BP学习算法的研究及在人脸识别中的应用
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·研究的主要内容 | 第16页 |
| ·论文的组织结构 | 第16-18页 |
| 第二章 人工神经网络模型 | 第18-26页 |
| ·神经元模型 | 第18-21页 |
| ·MLP神经网络模型 | 第21-23页 |
| ·全互联MLP神经网络模型 | 第23-26页 |
| 第三章 神经网络的BP学习算法及改进 | 第26-36页 |
| ·神经网络的传统学习算法 | 第26-29页 |
| ·神经网络传统BP梯度下降法 | 第26-28页 |
| ·神经网络BP梯度下降法优缺点 | 第28-29页 |
| ·神经网络BP学习算法的改进 | 第29-34页 |
| ·加速梯度下降法 | 第29-30页 |
| ·共轭梯度学习算法 | 第30-31页 |
| ·输出权值优化算法 | 第31-32页 |
| ·学习因子优化算法 | 第32-33页 |
| ·多重学习因子优化算法 | 第33-34页 |
| ·神经网络BP算法的基本流程 | 第34-36页 |
| 第四章 BP学习算法仿真实验 | 第36-40页 |
| ·Iris数据集 | 第36-37页 |
| ·Wine数据集 | 第37-38页 |
| ·Gongtrn数据集 | 第38-39页 |
| ·实验小结 | 第39-40页 |
| 第五章 神经网络在人脸识别的应用 | 第40-56页 |
| ·复杂光照条件下人脸识别概况 | 第40-42页 |
| ·人脸特征的提取方法 | 第42-49页 |
| ·二维Gabor小波滤波器 | 第43-44页 |
| ·自适应阂值二值化 | 第44-45页 |
| ·分块提取人脸特征 | 第45-46页 |
| ·主成分分析 | 第46-48页 |
| ·光照鲁棒性分析 | 第48-49页 |
| ·构造MLP神经网络分类器 | 第49页 |
| ·实验结果 | 第49-56页 |
| ·不同学习算法性能比较 | 第50-53页 |
| ·实验结果 | 第53-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间所发表的学术论文目录 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |
