| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第7-13页 |
| 1.1 国内外相关的研究和进展 | 第12页 |
| 1.2 本文的主要工作和结构安排 | 第12-13页 |
| 2 背景知识 | 第13-31页 |
| 2.1 人工神经网络 | 第13-18页 |
| 2.1.1 前馈神经网络 | 第13-15页 |
| 2.1.2 反向传播算法 | 第15-18页 |
| 2.2 分类算法 | 第18-25页 |
| 2.2.1 逻辑回归 | 第18-19页 |
| 2.2.2 Soft-Max回归 | 第19-21页 |
| 2.2.3 支持向量机与Hinge Loss | 第21-25页 |
| 2.3 卷积神经网络 | 第25-29页 |
| 2.3.1 卷积的网络结构 | 第25-26页 |
| 2.3.2 卷积的梯度计算 | 第26-27页 |
| 2.3.3 下采样层梯度的计算 | 第27页 |
| 2.3.4 特征图的组合 | 第27-29页 |
| 2.4 使用Dropout提高神经网络模型的泛化能力 | 第29-31页 |
| 2.4.1 Dropout简介 | 第29页 |
| 2.4.2 Dropout分析 | 第29-31页 |
| 3 基于Dropout的卷积神经网络图像分类 | 第31-33页 |
| 3.1 实验数据集 | 第31页 |
| 3.2 算法框架 | 第31-33页 |
| 4 实验结果和分析 | 第33-39页 |
| 4.1 实验平台 | 第33页 |
| 4.2 实验结果和分析 | 第33-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 攻读硕士学位期间发表学术论文情况 | 第42-43页 |
| 致谢 | 第43-44页 |