基于卷积神经网络的图像识别及在Spark平台的实现技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 分布式深度神经网络 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要研究内容及结构安排 | 第11-12页 |
| 第二章 卷积神经网络和分布式深度学习技术 | 第12-23页 |
| 2.1 卷积神经网络和相关技术 | 第12-16页 |
| 2.1.1 多层感知器 | 第12-13页 |
| 2.1.2 卷积神经网络 | 第13-14页 |
| 2.1.3 VGG | 第14页 |
| 2.1.4 Inception | 第14-15页 |
| 2.1.5 Resnet | 第15-16页 |
| 2.2 分布式训练神经网络的架构 | 第16-20页 |
| 2.2.1 参数平均 | 第17-18页 |
| 2.2.2 异步随机梯度下降 | 第18-20页 |
| 2.2.3 分布式异步梯度下降法 | 第20页 |
| 2.3. 相关工具集 | 第20-22页 |
| 2.3.1 Spark | 第20页 |
| 2.3.2 Keras | 第20-21页 |
| 2.3.3 Distributed Keras | 第21页 |
| 2.3.4 CIFAR-10数据库 | 第21页 |
| 2.3.5 手写数据识别MNIST数据库 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于分布式的卷积神经网络设计 | 第23-30页 |
| 3.1 分布式神经网络架构设计 | 第23页 |
| 3.2 Downpour SGD | 第23-26页 |
| 3.3 ADAG | 第26-27页 |
| 3.4 卷积神经网络进行图像识别的模型设计 | 第27-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第四章 分布式神经网络的实现与实验分析 | 第30-44页 |
| 4.1 平台搭建与实验准备 | 第30-33页 |
| 4.2 MNIST和CIFAR的数据集 | 第33-34页 |
| 4.3 数据预处理 | 第34-36页 |
| 4.4 训练的评价指标 | 第36页 |
| 4.5 实验过程 | 第36-38页 |
| 4.6 实验结果比较 | 第38-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 总结 | 第44-46页 |
| 5.1 论文的主要工作 | 第44-45页 |
| 5.2 今后的研究工作 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |
