| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 卷积神经网络研究现状 | 第13页 |
| 1.2.2 人工免疫系统研究现状 | 第13-14页 |
| 1.2.3 嵌入式图像处理系统发展及现状 | 第14-15页 |
| 1.2.4 GPU 加速并行计算研究现状 | 第15页 |
| 1.3 论文的创新 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-19页 |
| 第二章 免疫卷积神经网络结构与算法 | 第19-35页 |
| 2.1 人工免疫网络概述 | 第19-21页 |
| 2.1.1 免疫系统模式识别 | 第19-20页 |
| 2.1.2 免疫分类算法研究 | 第20-21页 |
| 2.2 人工神经网络 | 第21-24页 |
| 2.2.1 神经网络模型 | 第21页 |
| 2.2.2 反向传导算法 | 第21-24页 |
| 2.3 卷积神经网络 | 第24-30页 |
| 2.3.1 卷积神经网络的架构 | 第24-25页 |
| 2.3.2 径向基网络 | 第25-28页 |
| 2.3.3 卷积网络的训练过程 | 第28-29页 |
| 2.3.4 卷积神经网络研究方向 | 第29-30页 |
| 2.4 免疫卷积神经网络结构设计 | 第30-33页 |
| 2.5 GPU 加速实现免疫卷积神经网络并行优化 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 免疫卷积神经网络性能研究 | 第35-45页 |
| 3.1 基于手写体识别的免疫卷积神经网络性能研究 | 第35-38页 |
| 3.1.1 MNIST 手写数字库简介 | 第35-36页 |
| 3.1.2 人工神经网络设计与实现 | 第36页 |
| 3.1.3 免疫卷积神经网络设计与实现 | 第36-38页 |
| 3.2 基于小图像识别免疫卷积神经网络性能研究 | 第38-39页 |
| 3.2.1 CIFAR-10 简介 | 第38-39页 |
| 3.2.2 CIFAR-10 免疫卷积神经网络设计与实现 | 第39页 |
| 3.3 实验结果 | 第39-44页 |
| 3.3.1 基于手写体识别的分类算法性能比较 | 第39-42页 |
| 3.3.2 基于小图像识别的分类算法性能比较 | 第42-43页 |
| 3.3.3 免疫卷积神经网络并行优化结果 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 免疫卷积神经网络在嵌入式图像识别应用研究 | 第45-65页 |
| 4.1 嵌入式图像识别系统设计 | 第46-48页 |
| 4.1.1 核心算法的选择 | 第47页 |
| 4.1.2 训练集的构建 | 第47-48页 |
| 4.2 嵌入式硬件系统设计 | 第48-50页 |
| 4.2.1 S3C6410 处理器 | 第48-49页 |
| 4.2.2 摄像头采集模块 | 第49页 |
| 4.2.3 WIFI 无线传输模块 | 第49-50页 |
| 4.3 嵌入式软件系统设计 | 第50-53页 |
| 4.3.1 linux 系统移植 | 第50页 |
| 4.3.2 无线传输系统设计 | 第50-52页 |
| 4.3.3 图像采集程序设计 | 第52-53页 |
| 4.4 免疫卷积神经网络图像识别 | 第53-62页 |
| 4.4.1 ImageNet 简介 | 第54页 |
| 4.4.2 免疫卷积层神经网络的构建 | 第54-56页 |
| 4.4.3 逐层可视免疫卷积神经网络 | 第56-62页 |
| 4.5 实验结果 | 第62-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 在校期间主要学术成果 | 第73-75页 |
| 致谢 | 第75页 |