1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述 前言： 在这里我想对卷积神经网络（cnn）的原理进行相应的解释，以及对如何运用于交通标志识别进行简单介绍。

深度学习是什么呢？深度学习约等于寻找一个函数。

在语音识别中，f(”hello world的语音”)=”hello world”，在图像识别中，f(”猫的图片”) = ”猫”。

2. 研究的基本内容、问题解决措施及方案

２．本课题要研究或解决的问题和拟采用的研究手段（途径）： 1.数据集:将收集到的交通标志的图片，存放到数据中 2.模型选择:卷积神经网络（cnn）的基本结构上面说过就是输入层、卷积层（conv）、子采样 （pooling）、全连接层、输出层（分类器）。

卷积层 子采样层一般都会有若干个，本课题实现的cnn模型参考lenet5，有两个”卷积 子采样层”lenetconvpoollayer。

全连接层相当于mlp（多层感知机）中的隐含层hiddenlayer。