本论文是荷兰乌得勒支大学(作者： Freek Henstra )的学士论文，共44页。
在这篇论文中，我们研究了深度学习的相关主题，重点是利用卷积神经网络进行图像识别。 本文介绍了深度学习的各个组成部分，包括网络结构、反向传播和随机梯度下降。 说明这些组件的基本原理，并比较理论和实践。 然后研究了卷积神经网络及其组成的各层结构。 最后，我们建立和训练卷积神经网络对小型彩色图像进行分类，其网络识别准确率达到85%左右。
In this thesis，westudythetopicofdeeplearningwithafocusonimagerecognitionusingconvolutionalneuralnetworks.wecoverthevarthevariouscous 包括网络结构， backpropagationandstochasticgradientdescent.weexplainthefundamentalsofthesecomponentsandcomparetheorytopractice.wethenexamexame thevariouslayerstheyconsistof.finally，webuildandtrainaconvolutionalneuralnetworktoclassifysmallimagesofcolouredshapes.thhhhhoured
引言深度学习的基本理论深度神经网络反向传播随机梯度下降图像识别中卷积神经网络的下载地址：
https://089 u.com/f/1850492-503498170-d67c 92
(访问密码： 3660 )
更多精彩文章请关注公众号：