摘要：卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法，具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点，在图像识别领域获得了广泛的应用。它的权重共享特点可以明显降低网络结构的繁琐程度，减少需训练权重的数量。该模型可以直接输入原始图像，没有了普通分类算法中特征提取和数据重修的过程。这种网络结构在图像处理和识别中得到不错的表现。

本文首先介绍了卷积神经网络现况，卷积神经网络的出现使得计算机能在在图像、语音、视频等方面有更广阔的应用。再介绍了卷积神经网络的一些基础知识，其中包括卷积神经网络的结构层次，图像预处理、卷积池化的方法等方面，然后具体在卷积神经网络上进行图像分类的实验研究和分析，通过经典的MNIST数据集达到学习目的。

关键词：卷积神经网络；手写数字识别；MNIST数据集

目录

摘要

Abstract

1绪论-1

1.1 研究背景和选题意义-1

1.2 卷积神经网络研究现状-2

1.3 文章内容-3

2卷积神经网络的结构及相关算法-4

2.1多层感知器-4

2.2反向传播算法-5

2.3卷积神经网络-6

2.4卷积神经网络的优化方法-8

3卷积神经网络在图像分类上的应用-11

3.1图像分类数据集的介绍-11

3.2实验和分析-12

结    论-29

参 考 文 献-30

致    谢-31