| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章绪论 | 第9-15页 |
| 1.1 课题的研究背景与发展现状 | 第9-11页 |
| 1.2 深度学习的发展及其对人工神经网络的影响 | 第11-13页 |
| 1.3 主要研究内容与论文的组织结构 | 第13-15页 |
| 1.3.1 递归型卷积神经网络的研究意义 | 第13页 |
| 1.3.2 论文的组织结构 | 第13-15页 |
| 第二章 传统卷积神经网络的结构与算法 | 第15-28页 |
| 2.1 卷积神经网络 | 第15-17页 |
| 2.1.1 卷积神经网络的研究历史与意义 | 第15-16页 |
| 2.1.2 卷积神经网络的结构与分析 | 第16-17页 |
| 2.2 卷积神经网络各层的实现方式 | 第17-21页 |
| 2.2.1 卷积层的实现 | 第17-19页 |
| 2.2.2 降采样层的实现 | 第19-20页 |
| 2.2.3 全连接层及Softmax分类层 | 第20-21页 |
| 2.3 卷积神经网络的训练 | 第21-27页 |
| 2.3.1 Softmax层的公式推导及参数更新 | 第22-24页 |
| 2.3.2 隐层的公式推导及参数更新 | 第24-25页 |
| 2.3.3 卷积层的公式推导参数更新 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 递归型卷积神经网络的结构与算法 | 第28-40页 |
| 3.1 递归神经网络的结构与算法 | 第28-31页 |
| 3.1.1 Elman型递归神经网络的结构与算法 | 第28-30页 |
| 3.1.2 Jordan型递归神经网络的结构与算法 | 第30-31页 |
| 3.2 递归型卷积神经网络的结构与应用 | 第31-39页 |
| 3.2.1 递归神经网络结构与公式推导 | 第33-37页 |
| 3.2.2 递归型卷积神经网络的结构与应用 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 递归型跨连卷积神经网络的结构与算法 | 第40-51页 |
| 4.1 跨连卷积神经网络的结构与算法 | 第40-46页 |
| 4.1.1 跨连卷积神经网络的结构与分析 | 第40-41页 |
| 4.1.2 跨连卷积神经网络的学习过程 | 第41-46页 |
| 4.2 递归型跨连卷积神经网络的应用与结果分析 | 第46-50页 |
| 4.2.1 递归型跨连卷积神经网络结构 | 第46-48页 |
| 4.2.2 递归型跨连卷积神经网络实验结果与分析 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51-52页 |
| 5.2 展望与不足 | 第52-53页 |
| 攻读研究生期间发表的论文 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |