| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景简介 | 第13-15页 |
| 1.2 国内外发展现状 | 第15-17页 |
| 1.3 本文工作内容和组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 基础知识介绍 | 第19-33页 |
| 2.1 卷积计算层 | 第19-21页 |
| 2.2 最大池化和平均池化单元 | 第21-24页 |
| 2.3 整流线性单元 | 第24-25页 |
| 2.4 BP算法在卷积神经网络中的应用 | 第25-30页 |
| 2.5 两种自适应优化算法 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于Inception变体结构的卷积神经网络 | 第33-41页 |
| 3.1 Network in Network中的两点优秀设计 | 第33-34页 |
| 3.2 多分支的Inception结构 | 第34-35页 |
| 3.3 Inception结构变体 | 第35-37页 |
| 3.4 构建卷积神经网络并改进变体 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 多种卷积神经网络的实验精度和时间的对比分析 | 第41-59页 |
| 4.1 实验流程 | 第41页 |
| 4.2 MNIST数据集合上的实验结果与对比 | 第41-45页 |
| 4.2.1 直线型结构下的实验结果 | 第42-43页 |
| 4.2.2 具有分支结构的实验结果 | 第43-45页 |
| 4.3 手写英文字母集合上的实验结果与对比 | 第45-57页 |
| 4.3.1 原始Inception结构下的实验结果 | 第45-52页 |
| 4.3.2 Inception变体结构下的实验结果 | 第52-54页 |
| 4.3.3 遇到的问题以及改进思路 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 全文总结 | 第59页 |
| 5.2 展望未来 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
| 1.基本情况 | 第69页 |
| 2.教育背景 | 第69-70页 |
