1. 研究目的与意义（文献综述）

1.1课题研究的目的及意义

人工智能是用机器（计算机）来模仿人类智能，实现计算机的图象识别、自然语言识别，信息检索、语音识别、语义理解和一些特定智能任务等工作。对人工智能的研究己有多年的历史，在国际上，人工智能被公认为是当代高科技的核心之一，由于人工智能学科本身具有广泛性的特点，对人工智能研宄和应用己深入各个学科和领域，并取得了显著的成果。人工智能领域最重要的研究方向之一是机器学习。

近年来，深度学习作为机器学习的新分支，其应用在多个领域取得巨大成功，并一直在快速发展，不断开创新的应用模式，创造新机会。深度学习方法根据训练数据是否拥有标记信息被划分为监督学习、半监督学习和无监督学习。实验结果显示了上述方法在图像处理、计算机视觉、语音识别、机器翻译、艺术、医学成像、医疗信息处理、机器人控制和生物、自然语言处理（nlp）、网络安全等领域的最新成果。本报告简要概述了深度学习方法的发展，包括深度神经网络（dnn）、卷积神经网络（cnn）、循环神经网络（rnn）（包括长短期记忆（lstm）和门控循环单元（gru））、自 编码器（ae）、深度信念网络（dbn），生成对抗网络（gan）和深度强化学习（drl）。

2. 研究的基本内容与方案

2.1研究的基本内容、目标

1.深度学习是目前人工智能和机器学习领域的主流方法，能够有效解决非线性的分类问题。了解深度学习的发展历史，以及最新的研究进展。了解深度学习的主流的研究方向。

2.理解卷积神经网络的基本概念、网络结构、权值更新方法。弄清楚卷积神经网络的每一个过程：①卷积层，理解卷积层的原理及作用和生成卷积核。②池化层，理解池化层的原理及作用和选择不同的池化方法。③激活函数，了解不同激活函数的特点。④正则化，理解正则化的作用及不同的正则化方法。 ⑤优化，理解初始化权重、随机梯度下降、批量标准化、shortcut连接。⑥了解卷积神经网络有哪些应用。

3. 研究计划与安排

1-3周：查阅文献，完成开题报告

4-6周：总体设计，完成论文综述

7-10周：设计算法，功能模块设计

4. 参考文献（12篇以上）

[1] 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.

[2]陈先昌. 基于卷积神经网络的深度学习算法与应用研究[d].浙江工商大学,2014.

[3]许可. 卷积神经网络在图像识别上的应用的研究[d].浙江大学,2012.