声明
摘要
1.1 研究背景与意义
1.2 国内外研究现状综述
1.3 主要研究内容
1.4 本文体系结构
第二章 深度卷积神经网络介绍及应用
2.1 深度卷积神经网络的结构
2.1.1 AlexNet
2.1.2 VGGNet
2.1.3 GoogLeNet
2.1.4 Network in Network
2.2 激活函数
2.3 优化方法
2.3.1 批量梯度下降
2.3.2 随机梯度下降
2.3.3 小批量梯度下降
2.4 实验平台
2.4.1 Caffe平台
2.4.2 Tensorflow平台
2.5 本章小结
第三章 预训练:样本异常检测
3.1 网络的预训练
3.2 异常样本检测
3.3 算法性质的证明及分析
3.4 本章小结
第四章 隐式正则化训练阶段
4.1 隐式正则化方案
4.2 算法性质分析
4.3 算法的合理性解释
4.3.1 与L2正则化的不同
4.3.2 解释为数据增强
4.3.3 解释为模型集成
4.4 本章小结
第五章 实验结果及分析
5.1 实验设置
5.2 实验结果对比
5.2.1 手写体分类
5.2.2 自然图像分类
5.2.3 异常检测结果及分析
5.3 异常检测算法对比
5.4 不同初始化设置对比
5.5 隐式正则化效果的验证
5.6 超参数敏感度
5.7 可视化分析
6.1 系统创新总结
6.2 技术展望
参考文献
致谢
攻读硕士学位期间发表论文