1. 研究目的与意义（文献综述包含参考文献）
在各类深度神经网络结构中，卷积神经网络是应用最广泛的一种，它由lecun在1989年提出[1]。
在图像处理中，这些卷积核矩阵的数值是人工设计的。
通过某种方法，我们可以通过机器学习的手段来自动生成这些卷积核，从而描述出不同类型的特征，卷积神经网络就是通过这种自动学习的手段来得到各种有用的卷积核。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
本课题研究卷积神经网络这个黑匣子的内核。
拟采用:1.逆方法(编程操作):将卷积网络学习到的特征图像左乘得到这些图像的卷积核的转置矩阵，将图片特征从特征图像空间投影到像素空间，以发现是哪些像素激活了特定的特征图像。
并对此进行应用与延伸。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
