基于先验知识的BP神经网络图像重建算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第9-13页 |
| 1.1CT技术概述 | 第9页 |
| 1.2 图像重建算法 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 本文的主要内容 | 第12-13页 |
| 第二章 BP神经网络 | 第13-24页 |
| 2.1 BP神经网络的基本原理 | 第13-16页 |
| 2.2 BP神经网络的缺陷 | 第16页 |
| 2.3 BP神经网路的改进现状 | 第16-23页 |
| 2.3.1 基于梯度下降法的改进 | 第16-19页 |
| 2.3.2 基于数值优化方法的改进 | 第19-23页 |
| 2.3.3 BP算法改进分析 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 先验知识在BP网络中的应用 | 第24-33页 |
| 3.1 先验知识 | 第24页 |
| 3.2 基于先验知识的网络结构 | 第24-26页 |
| 3.3 基于先验知识的激励函数的选择 | 第26-28页 |
| 3.4 基于先验知识的网络权值初始化 | 第28-31页 |
| 3.5 基于先验知识的网络样本的训练 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 利用先验知识BP模型的图像重建 | 第33-44页 |
| 4.1 光学CT重建图像的困难 | 第33页 |
| 4.2 先验知识BP神经网络在CT图像重建的应用 | 第33-37页 |
| 4.2.1BP神经网络的模型选择 | 第33-34页 |
| 4.2.2 基于先验知识的BP网络参数的设置 | 第34-36页 |
| 4.2.3 网络学习过程 | 第36-37页 |
| 4.2.4 基于先验知识BP网络重建图像步骤 | 第37页 |
| 4.3 基于先验知识的BP神经网络图像重建 | 第37-42页 |
| 4.4 本章小结 | 第42-44页 |
| 总结与展望 | 第44-45页 |
| 总结 | 第44页 |
| 展望 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47页 |
