1. 研究目的与意义（文献综述）

1.1 研究目的及意义

神经网络是从生物学发展到计算机学科的一门交叉研究领域。因为他具有并行处理、分布式信息处理和学习能力，从而被应用到各个领域中。

现如今，随着科学技术的发展，生活也越来越自动化，智能化，手写数字体的识别在人们日常生活的应用也更加广泛，例如在快递分拣、金融等有关数字识别的领域中都有较多的应用，这也使得越来越多人投入到手写数字识别技术研究中，早期的研究。

2. 研究的基本内容与方案

2.1 目标（开发的系统概况描述）

本课题旨在通过卷积神经网络在经典的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。

2.2基本内容

3. 研究计划与安排

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. 参考文献（12篇以上）

[1] bengio, yoshua, ian j. goodfellow, and aaron courville. deeplearning [m]. mit press, 2015.

[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