| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 语音识别 | 第11页 |
| 1.2.2 计算机视觉 | 第11-12页 |
| 1.2.3 自然语言处理 | 第12-13页 |
| 1.2.4 深度学习框架 | 第13-15页 |
| 1.3 本文主要工作及章节安排 | 第15-16页 |
| 第2章 深度学习与卷积神经网络 | 第16-29页 |
| 2.1 深度学习基础知识 | 第16-20页 |
| 2.1.1 线性模型 | 第16-17页 |
| 2.1.2 激活函数 | 第17-18页 |
| 2.1.3 损失函数 | 第18-19页 |
| 2.1.4 过拟合 | 第19-20页 |
| 2.2 深度学习常用模型 | 第20-23页 |
| 2.2.1 自编码器 | 第20-21页 |
| 2.2.2 循环神经网络 | 第21-23页 |
| 2.3 卷积神经网络 | 第23-29页 |
| 2.3.1 卷积神经网络概述 | 第23-25页 |
| 2.3.2 卷积层 | 第25-27页 |
| 2.3.3 池化层 | 第27-29页 |
| 第3章 TensorFlow实验平台搭建 | 第29-36页 |
| 3.1 TensorFlow工作原理 | 第29-31页 |
| 3.1.1 计算模型-计算图 | 第29-30页 |
| 3.1.2 数据模型-张量 | 第30页 |
| 3.1.3 运行模型-会话 | 第30-31页 |
| 3.2 编译及安装 | 第31-36页 |
| 3.2.1 主要依赖包 | 第31-33页 |
| 3.2.2 使用源码编译安装 | 第33-34页 |
| 3.2.3 样例测试 | 第34-36页 |
| 第4章 基于TensorFlow实现卷积神经网络的应用 | 第36-51页 |
| 4.1 改进LeNet-5模型解决手写体数字识别问题 | 第36-42页 |
| 4.1.1 解析LeNet-5模型结构 | 第36-37页 |
| 4.1.2 改进LeNet-5模型实现手写体数字识别 | 第37-42页 |
| 4.2 改进cuda-convnet模型实现对CIFAR-10图像的识别 | 第42-51页 |
| 4.2.1 CIFAR-10数据预处理 | 第42-44页 |
| 4.2.2 构建卷积神经网络模型 | 第44-47页 |
| 4.2.3 训练模型及评测模型 | 第47-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间研究成果 | 第57-58页 |
| 致谢 | 第58页 |
