毕业论文课题相关文献综述
文 献 综 述摘要卷积神经网络（CNN）是深度学习的重要一类，深度学习由于其卓越性能在视觉、多媒体、网络、大数据等领域得到广泛应用。
目前，卷积神经网络的研究主要集中在如下三个方面：（1）卷积神经网络的优化问题（2）CUDA加速模型（3）网络应用。
利用卷积神经网络对图像进行分割和分类，具有重要的现实意义。
本人会用好自己学习的本科专业知识，结合自己对本科课程和算法的理解，在规定时间内进行算法优化，完成该系统的开发，努力达到简洁、美观、高效的设计要求，圆满的完成大学四年的学习任务。
引言卷积神经网络（CNN）是深度学习的重要一类，深度学习由于其卓越性能在视觉、多媒体、网络、大数据等领域得到广泛应用。
本文搜集和提炼卷积神经网络对图像进行分割和分类领域的相关资料，对提炼毕业设计课题，了解问题和研究专题的最新进展、学术见解或建议，做出了综合性介绍和阐述，对毕业论文的撰写具有重要的现实意义。
主题部分1卷积神经网络的研究意义卷积神经网络（CNN）是深度学习的重要一类，深度学习由于其卓越性能在视觉、多媒体、网络、大数据等领域得到广泛应用。
卷积神经网络是为识别二维图像而特殊设计的一个多层感知器。
它具有一些传统技术没有的有点：良好的容错能力，并行处理能力和自学习能力，可处理信息复杂，背景知识不清楚，推理规则不明确情况下的问题，允许样品有较大的缺损、畸变，运行速度快，自适应性能好，具有较高的分辨率。
2卷积神经网络的研究现状和发展脉络上世纪60年代，Hubel等人通过对猫视觉皮层细胞的研究，提出了感受野这个概念，到80年代，Fukushima在感受野概念的基础上提出了神经认知机的概念，可以看做是卷积神经网络的第一个现实网络，在其后的应用研究中，Fukushim将神经认知机主要用于手写数字的识别。
以上是毕业论文文献综述，课题毕业论文、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。
