基于神经网络与GPU的手写数字识别及其试卷管理
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景 | 第9-10页 |
| ·国内外研究概况 | 第10-11页 |
| ·本文研究成果和内容安排 | 第11-13页 |
| 第二章 基于手写数字识别的试卷管理总体结构 | 第13-17页 |
| ·手写数字识别概述 | 第13-14页 |
| ·试卷管理系统的总体设计 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 试卷图像的预处理 | 第17-28页 |
| ·灰度化 | 第17-18页 |
| ·二值化 | 第18-19页 |
| ·去噪声 | 第19-20页 |
| ·倾斜校正 | 第20-22页 |
| ·手写数字区域定位及表格消除 | 第22-26页 |
| ·试卷卷头数字区域粗定位 | 第22-24页 |
| ·试卷卷头数字区域提取 | 第24-26页 |
| ·手写数字分割 | 第26页 |
| ·归一化 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于BP 神经网络的手写数字识别 | 第28-40页 |
| ·手写数字特征提取 | 第28页 |
| ·BP 神经网络简介 | 第28-32页 |
| ·人工神经网络及其模型 | 第28-31页 |
| ·BP 神经网络 | 第31-32页 |
| ·BP 神经网络训练 | 第32-35页 |
| ·BP 神经网络分类器设计 | 第35-39页 |
| ·初始值的选取 | 第35-36页 |
| ·目标误差临界值 | 第36页 |
| ·学习速率的确定 | 第36-37页 |
| ·输入层节点数 | 第37页 |
| ·隐含层个数及节点数 | 第37-38页 |
| ·输出层节点数 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 GPU 加速神经网络训练 | 第40-51页 |
| ·CUDA 简介 | 第40页 |
| ·CUDA 编程模型 | 第40-43页 |
| ·内核 | 第41页 |
| ·线程层次 | 第41-42页 |
| ·内核函数的调用 | 第42-43页 |
| ·主机端代码主要完成的功能 | 第43页 |
| ·设备端代码主要完成的功能 | 第43页 |
| ·CUDA 的软件体系 | 第43-45页 |
| ·CUDA 函数库 | 第45页 |
| ·神经网络在GPU 上的加速 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 系统实现与实验 | 第51-57页 |
| ·系统环境 | 第51页 |
| ·系统界面 | 第51-52页 |
| ·神经网络训练 | 第52-54页 |
| ·识别结果 | 第54-55页 |
| ·试卷数据的管理 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第七章 总结 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间公开发表的论文 | 第62-63页 |
| 致谢 | 第63-64页 |
