| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状分析 | 第10-12页 |
| 1.3 研究内容及贡献 | 第12页 |
| 1.4 本文组织结构 | 第12-15页 |
| 第2章 相关工作介绍 | 第15-27页 |
| 2.1 卷积神经网络 | 第15-17页 |
| 2.1.1 基本思想 | 第15-16页 |
| 2.1.2 计算过程 | 第16-17页 |
| 2.1.3 卷积神经网络的特点 | 第17页 |
| 2.2 卷积神经网络的结构和训练方法 | 第17-25页 |
| 2.2.1 卷积神经网络的网络结构 | 第18-24页 |
| 2.2.2 卷积神经网络的训练 | 第24-25页 |
| 2.2.3 卷积神经网络与传统机器学习算法对比 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 并行卷积神经网络的结构设计 | 第27-35页 |
| 3.1 并行深度卷积神经网络 | 第27-32页 |
| 3.1.1 并行深度卷积神经网络架构 | 第27-31页 |
| 3.1.2 并行卷积神经网络的训练方法 | 第31-32页 |
| 3.2 初始化方法 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 神经网络灾难性遗忘 | 第35-41页 |
| 4.1 神经网络灾难性遗忘问题 | 第35-36页 |
| 4.2 相关工作 | 第36-37页 |
| 4.3 Dropout方法对克服神经网络灾难性遗忘的作用分析 | 第37-38页 |
| 4.4 并行卷积神经网络方法 | 第38-39页 |
| 4.5 门控并行卷积神经网络方法 | 第39-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 实验数据与结果分析 | 第41-49页 |
| 5.1 实验平台 | 第41页 |
| 5.2 实验数据集介绍 | 第41-42页 |
| 5.2.1 MNIST手写体字符数据集 | 第41页 |
| 5.2.2 CIFAR-10数据集 | 第41-42页 |
| 5.3 实验框架介绍 | 第42-43页 |
| 5.3.1 TensorFlow | 第42页 |
| 5.3.2 Keras | 第42-43页 |
| 5.4 MNIST数据集下缓解神经网络灾难性遗忘实验 | 第43-45页 |
| 5.5 CIFAR-10数据集下缓解神经网络灾难性遗忘实验 | 第45-47页 |
| 5.6 本章小结 | 第47-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间发表的学术成果 | 第55-57页 |
| 致谢 | 第57页 |
