卷积神经网络的权重初始化研究及应用

第一章 绪论

1.1研究背景、目的与意义

1.2卷积神经网络研究进展

1.2.1降低过拟合

1.2.2卷积神经网络结构优化

1.2.3迁移学习

1.2.4模型权重初始化

1.3章节安排

第二章 卷积神经网络简介

2.1 卷积神经网络基本构建模块

2.1.1卷积层

2.1.2线性整流层

2.1.3归一化

2.1.4池化层

2.1.5全连接层

2.2卷积神经网络基本原理及应用过程

2.2.1 基本结构及原理

2.2.2应用过程

2.3其他常用模型

2.3.1可变形卷积

2.3.2 特征重标定

2.3.3转置卷积

第三章 深度残差卷积网络权重初始化研究

3.1卷积神经网络的预训练权重分布

3.1.1预训练权重数据

3.1.2基于Jarque?Bera统计量的正态性检验

3.1.3预训练权重分布特征

3.1.4 预训练权重的幂律拟合

3.1.5预训练权重与基于方差调整的正态分布拟合

3.2基于分布特征的权重初始化方法

3.2.1基于方差调整的正态初始化

3.2.2验证数据集

3.2.3基于方差调整的正态初始化对ResNet32模型的影响

3.3基于方差调整的正态初始化方法与其他初始化方法的对比

3.3.1对比实验设计

3.3.2实验结果及对比分析

3.4本章总结

第四章 基于方差调整的正态初始化模型在遥感影像分类中的应用

4.1 问题分析

4.2数据预处理

4.3模型设计

4.4模型参数设置

4.5实验结果及分析

4.5.1基于方差调整的正态初始化方法的验证

4.5.2模型分类精度的对比

4.6本章总结

第五章 总结与展望

参考文献

攻读学位期间的研究成果

致谢

声明