近年來,人工智能技術(shù)在計算機視覺、自然語言處理、圖像分類與識別和智能機器人等各個領(lǐng)域中得到了廣泛應用,神經(jīng)網(wǎng)絡與進化算法作為人工智能技術(shù)的兩個重要分支,已在生活各個應用領(lǐng)域發(fā)揮著重要作用。神經(jīng)網(wǎng)絡具有大規(guī)模并行處理能力與強大的學習能力,因此可以處理復雜模型的實際工程問題,然而卻存在模型結(jié)構(gòu)與參數(shù)需要人工調(diào)整耗費人力物力的現(xiàn)狀。伴隨著網(wǎng)絡深度的增加,網(wǎng)絡性能的提高,使得需要人工設(shè)置的參數(shù)與網(wǎng)絡結(jié)構(gòu)越來越復雜,意味著研究自動設(shè)計網(wǎng)絡結(jié)構(gòu)與調(diào)整參數(shù)的方法變得更為重要。進化算法作為一種全局優(yōu)化的智能算法具有并行化處理和高效的特點,因此研究者將神經(jīng)網(wǎng)絡與進化算法結(jié)合提出進化神經(jīng)網(wǎng)絡算法。本文針對進化神經(jīng)網(wǎng)絡算法的細節(jié)進行分析與優(yōu)化,并將其運用到圖像分類的具體應用中,本文的主要研究工作如下:第一,介紹了進化神經(jīng)網(wǎng)絡算法及其相關(guān)知識與理論,整理總結(jié)了進化神經(jīng)網(wǎng)絡國內(nèi)外的研究現(xiàn)狀及目前的主要研究方向,并對增強拓撲的進化神經(jīng)網(wǎng)絡與基于深度學習的進化神經(jīng)網(wǎng)絡兩種進化神經(jīng)網(wǎng)絡進行詳細介紹。第二,本文針對深度進化神經(jīng)網(wǎng)絡做出了細節(jié)性改進,提出了一種用于圖像分類的進化卷積神經(jīng)網(wǎng)絡ECNN算法,該算法引入ResN... 

【文章來源】：西北師范大學甘肅省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
第2章 相關(guān)理論研究
    2.1 全連接神經(jīng)網(wǎng)絡
    2.2 卷積神經(jīng)網(wǎng)絡
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 全連接層
        2.2.4 批歸一化層
        2.2.5 激活函數(shù)
    2.3 進化算法
        2.3.1 遺傳算法
        2.3.2 進化策略
    2.4 進化神經(jīng)網(wǎng)絡
        2.4.1 NEAT算法
        2.4.2 基于深度學習的進化神經(jīng)網(wǎng)絡算法
第3章 圖像分類卷積神經(jīng)網(wǎng)絡的進化設(shè)計
    3.1 引言
    3.2 圖像分類卷積神經(jīng)網(wǎng)絡的進化設(shè)計
        3.2.1 ResNet模塊
        3.2.2 算法設(shè)計
    3.3 實驗分析
        3.3.1 實驗設(shè)置
        3.3.2 實驗結(jié)構(gòu)與分析
    3.4 本章小結(jié)
第4章 基于DenseNet進化卷積神經(jīng)網(wǎng)絡的圖像分類算法
    4.1 引言
    4.2 基于DenseNet進化卷積神經(jīng)網(wǎng)絡的圖像分類算法
        4.2.1 DenseNet模塊
        4.2.2 算法設(shè)計
    4.3 實驗分析
        4.3.1 實驗設(shè)置
        4.3.2 實驗結(jié)構(gòu)與分析
    4.4 本章小結(jié)
第5章 總結(jié)展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
個人簡歷、攻讀學位期間的研究成果


【參考文獻】：
期刊論文
[1]基于改進深度殘差網(wǎng)絡的計算斷層掃描圖像分類算法[J]. 黃盛,李菲菲,陳虬.  光學學報. 2020(03)
[2]基于CNNs的兩次訓練融合的分類方法[J]. 佟國香,田飛翔.  電子科技大學學報. 2019(05)
[3]基于改進深度卷積神經(jīng)網(wǎng)絡的紙幣識別研究[J]. 蓋杉,鮑中運.  電子與信息學報. 2019(08)
[4]基于離散余弦變換和深度網(wǎng)絡的地貌圖像分類[J]. 劉芳,路麗霞,黃光偉,王洪娟,王鑫.  光學學報. 2018(06)
[5]深度神經(jīng)網(wǎng)絡并行化研究綜述[J]. 朱虎明,李佩,焦李成,楊淑媛,侯彪.  計算機學報. 2018(08)
[6]結(jié)合批歸一化的直通卷積神經(jīng)網(wǎng)絡圖像分類算法[J]. 朱威,屈景怡,吳仁彪.  計算機輔助設(shè)計與圖形學學報. 2017(09)



本文編號：3202736