| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题背景与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 深度学习在语音识别领域的现状 | 第9-10页 |
| 1.2.2 深度学习在图像识别领域的现状 | 第10-11页 |
| 1.2.3 深度学习在自然语言处理领域的现状 | 第11页 |
| 1.2.4 深度学习框架研究现状 | 第11-14页 |
| 1.3 本文结构安排与研究目标 | 第14-16页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 结构安排 | 第14-16页 |
| 2 人工神经网络和卷积神经网络概述及结构 | 第16-30页 |
| 2.1 人工神经网络 | 第16-20页 |
| 2.1.1 人工神经网络概述 | 第16页 |
| 2.1.2 单层感知器 | 第16-17页 |
| 2.1.3 多层感知器 | 第17-18页 |
| 2.1.4 前馈反向传播算法 | 第18-20页 |
| 2.2 卷积神经网络 | 第20-30页 |
| 2.2.1 卷积神经网络概述 | 第20页 |
| 2.2.2 卷积神经网络的结构 | 第20-30页 |
| 卷积层 | 第21-23页 |
| 降采样层 | 第23-24页 |
| 激活函数 | 第24-27页 |
| 损失函数 | 第27-30页 |
| 3 Caffe深度学习框架的搭建与原理 | 第30-37页 |
| 3.1 Caffe深度学习框架概述 | 第30-32页 |
| 3.1.1 Caffe深度学习框架基本介绍 | 第30-31页 |
| 3.1.2 Caffe深度学习框架的特性 | 第31-32页 |
| 3.2 Caffe框架环境的搭建 | 第32-37页 |
| 3.2.1 Caffe框架搭建所需的软件 | 第32-33页 |
| 3.2.2 Caffe框架安装步骤 | 第33-37页 |
| 4 基于Caffe深度学习框架的仿真 | 第37-56页 |
| 4.1 基于Caffe的卷积神经网络模型训练 | 第37-47页 |
| 4.1.1 基于样例CIFAR-10数据集的卷积神经网络配置训练方法 | 第37-40页 |
| 4.1.2 使用Caffe深度学习框架训练自己的网络 | 第40-47页 |
| 4.2 基于手写字符集的Le Net-5 卷积神经网络的改进 | 第47-56页 |
| 4.2.1 MNSIT数据集 | 第47-48页 |
| 4.2.2 LeNet-5 网络原型工作原理及改进方向 | 第48-49页 |
| 4.2.3 本文改进的卷积神经网络结构以及激活函数 | 第49-51页 |
| 4.2.4 仿真实验结果对比 | 第51-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 不足与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
