1. 毕业设计（论文）主要内容：

卷积神经网络CNN在近些年的机器视觉领域，是最具影响力的创新结果。在经典LeNet-5模型的基础上,改进卷积神经网络模型,对改进后的模型及网络训练过程进行分析,推导网络模型训练过程中涉及到的前向和反向传播算法.将改进的模型在MNIST数据集上进行实验,分析卷积层不同卷积核数量及大小、每批数量、网络学习率等参数对识别性能的影响。

2. 毕业设计（论文）主要任务及要求

1.查阅15篇相关文献（含近五年外文3篇），并每篇书写200—300字文献摘要（装订成册，带封面）；

2.认真填写周记，完成1500字开题报告；

3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；

3. 毕业设计（论文）完成任务的计划与安排

1. 2019/1/11—2019/1/22：查阅参考文献，明确选题；

2. 2019/2/18—2019/3/7：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告,翻译英文资料；

3. 2019/3/8—2019/4/5：熟悉所选用的开发平台进行需求分析，算法或系统设计，分析、比较或实现等；

4. 主要参考文献

[1] Bengio, Yoshua, Ian J. Goodfellow, and Aaron Courville. Deep learning [M]. MIT Press, 2015.https://github.com/HFTrader/DeepLearningBook/raw/master/DeepLearningBook.pdf
[2]Ian Goodfellow . Yoshua Bengio. Aaron Courville.《深度学习》. 人民邮电出版社.2017年8月.
[3] LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. “Deep learning [J]. Nature 521.7553, 2015: 436-444 http://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf
[4] 周飞燕, 金林鹏, 董军. 卷积神经网络研究综述[J]. 计算机学报, 2017, 40(6):1229-1251.
[5] 斯坦福大学 卷积神经网络CS 231n视频课程，http://study.163.com/course/courseMain.htm?courseId=1004697005
[6] 李斯凡，高法钦.基于卷积神经网络的手写数字识别,浙江理工大学学报，2017.5