基于改进卷积神经网络算法的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 深度学习国内外研究现状 | 第9-10页 |
| 1.2.2 卷积神经网络国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作概述 | 第11-12页 |
| 1.4 本文内容章节安排 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-28页 |
| 2.1 人工神经网络 | 第14-17页 |
| 2.1.1 神经元与神经网络 | 第14-15页 |
| 2.1.2 人工神经网络前向传播算法 | 第15页 |
| 2.1.3 人工神经网络反向传播算法 | 第15-17页 |
| 2.2 卷积神经网络 | 第17-22页 |
| 2.2.1 卷积神经网络模型 | 第17页 |
| 2.2.2 训练过程与训练流程图 | 第17-18页 |
| 2.2.3 前向传播算法 | 第18-20页 |
| 2.2.4 反向传播算法 | 第20-21页 |
| 2.2.5 权值更新 | 第21-22页 |
| 2.3 基于Fisher准则的特征提取方法 | 第22-24页 |
| 2.3.1 线性判别分析 | 第22-23页 |
| 2.3.2 核鉴别分析 | 第23-24页 |
| 2.4 激活函数 | 第24-25页 |
| 2.5 基于Gabor滤波器的卷积神经网络 | 第25-26页 |
| 2.6 特征融合技术 | 第26-28页 |
| 第三章 基于加权Fisher准则的卷积神经网络 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 卷积神经网络的代价函数 | 第28-29页 |
| 3.3 Fisher准则和加权Fisher准则 | 第29-31页 |
| 3.4 基于加权Fisher准则的代价函数 | 第31页 |
| 3.5 基于加权Fisher准则的卷积神经网络 | 第31-32页 |
| 3.6 实验结果与分析 | 第32-39页 |
| 3.6.1 实验数据库介绍 | 第32-34页 |
| 3.6.2 Mnist库实验结果及分析 | 第34-36页 |
| 3.6.3 AR人脸库的实验结果与分析 | 第36-37页 |
| 3.6.4 ORL人脸库的实验结果与分析 | 第37-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 基于改进激活函数的卷积神经网络 | 第40-49页 |
| 4.1 引言 | 第40页 |
| 4.2 常见的激活函数 | 第40-43页 |
| 4.2.1 饱和的非线性激活函数 | 第41-42页 |
| 4.2.2 不饱和的非线性激活函数 | 第42-43页 |
| 4.3 改进的激活函数 | 第43-44页 |
| 4.4 基于改进激活函数的卷积神经网络 | 第44-45页 |
| 4.5 实验结果与分析 | 第45-48页 |
| 4.5.1 Mnist库实验结果及分析 | 第46-47页 |
| 4.5.2 AR人脸库的实验结果与分析 | 第47页 |
| 4.5.3 ORL人脸库的实验结果与分析 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 基于改进Gabor滤波器的卷积神经网络 | 第49-60页 |
| 5.1 引言 | 第49页 |
| 5.2 传统的Gabor滤波器 | 第49-51页 |
| 5.2.1 Gabor滤波器的数学模型 | 第49-51页 |
| 5.2.2 Gabor滤波器方向和尺度特性 | 第51页 |
| 5.3 改进的Gabor滤波器 | 第51-53页 |
| 5.4 基于改进Gabor滤波器的卷积神经网络 | 第53-54页 |
| 5.5 实验结果与分析 | 第54-59页 |
| 5.5.1 参数设置 | 第54-56页 |
| 5.5.2 Mnist库实验结果及分析 | 第56-57页 |
| 5.5.3 AR人脸库的实验结果与分析 | 第57-58页 |
| 5.5.4 ORL人脸库的实验结果与分析 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 致谢 | 第66页 |
