本科畢業(yè)設計方案論文格式范例工科理科類專業(yè)樣本

本科畢業(yè)設計方案論文格式范例工科理科類專業(yè)本科畢業(yè)設計（論文）基于卷積神經網絡的手寫數(shù)字及寫字人識別（題目：二號，黑體，加粗，居中）學院專業(yè)學生姓名學生學號指導教師提交日期年月日印刷封面紙用210g的橙色卡紙摘要（標題：小二號，黑體，居中，單倍行距，段前、，兩字中間空2字符）（摘要正文共400—600個字；小四號，宋體，，段首行空兩個漢字）炔烴和疊氮化合物的點擊化學反應，有著快速、百分百原子利用率、產物高選擇性等眾多優(yōu)點，被譽為點擊化學中的精華?；诖朔磻卣苟鴣淼狞c擊聚合反應，迅速在高分子材料領域獲得了了廣泛關注和應用?！覀冞€嘗試了采用不同單體，在最優(yōu)條件下進行反應，均獲得了高分子產物。表明了該反應體系的普適性。（此處隔一行）關鍵詞：多變量系統(tǒng)；預測控制；環(huán)境試驗設備（“關鍵詞”：小四號，黑體；關鍵詞3—5個：小四號，宋體；關鍵詞之間用分號隔開；最后一個關鍵詞不打標點符號）

（另起頁：外文摘要范例；英文摘要和關鍵詞應該是中文摘要和關鍵詞的翻譯）Abstract（標題：小二號，TimesNewRoman字體，居中，單倍行距，段前、）（正文：小四號，TimesNewRoman字體，，兩端對齊）ArtificialNeuronNetwork(ANN)simulateshumanbeing’sbrainfunctionandbuildthenetworkstructure.ConvolutionalNeuralNetwork(CNN)havemanyadvantage,suchas……(2)Thispaperintroducesthecommonpretreatmentmethodofimage,suchascollectingimage,normalization,grayingandbinarization.Andapplythesetothehandwrittennumeralrecognitionexperimentandhandwrittennumeralswriterrecognitionexperiments.Keywords:Writerrecognition；ConvolutionalNeuralNetwork；Handwrittencharacterrecognition(“Keywords”：TimesNewRoman字體，小四號，加粗，居左）（關鍵詞：TimesNewRoman字體，小四號）

（另起頁：目錄范例）目錄（標題：小二號，黑體，居中，兩字之間空2字符，目錄為電腦自動生成）（各章標題、結論、參考文獻、致謝：黑體，四號；其余：宋體，小四號，）摘要 [9]，所以我們可以直接把簡單預處理后的二維圖像輸入到輸入層中。輸出……卷積神經網絡的學習規(guī)律……前向傳播如果用l來表示當前的網絡層，那么當前網絡層的輸出如公式（2-1）所示：（2-1）（公式：公式一般居中書寫；序號按章編排，如本公式為第二章第一個公式，則序號為（2-1））其中為網絡的輸出激活函數(shù)。在本文實驗中，網絡的輸出激活函數(shù)選用sigmoid函數(shù)，因此網絡的輸出均值一般來說趨于0。反向傳播……學習特征圖的組合……本章小結……基于卷積神經的手寫數(shù)字及寫字人識別算法設計輸入輸出層的設計……隱藏層的設計……本章小結……手寫數(shù)字及寫字人識別實驗過程及其結果（各章標題：黑體，小二號，居中，單倍行距，段前、；章節(jié)序號與標題之間空一字符）手寫數(shù)字識別實驗（各節(jié)一級標題：黑體，小三號，居左，單倍行距，段前、）樣本簡介（各節(jié)二級標題：黑體，四號，居左，單倍行距，段前、）（正文：；中文：宋體，小四號，每段首行空2個漢字；字母和阿拉伯數(shù)字：TimesNewRoman字體，小四號）本論文的手寫數(shù)字識別實驗當中所用的樣本分為兩類，一類是訓練樣本集，另一類是測試樣本集。實驗當中的訓練樣本集采用的是手寫數(shù)字MNIST數(shù)據庫。這個數(shù)據庫當中包含訓練集樣本60000個樣例和測試集樣本10000個樣例。MNIST數(shù)據庫當中的數(shù)字樣本已經全部大小歸一化灰度化并且集中到同一個固定大小的圖像當中。該數(shù)據庫包括MST的SD-1和SD-3數(shù)據庫，當中包含一系列的二級制的手寫數(shù)字圖像。其中SD-1的收集者來源是某高中的在校學生，而SD-3是由人口調查局員工收集的。則我們的訓練樣本集也就是MNIST當中的訓練樣本集有30000個樣本來自SD-3，而另外30000個樣本來自SD-1。這60000個訓練樣本分別來自約250個采集者。WriterDepend類數(shù)字識別實驗ABCvsA數(shù)字識別實驗（各節(jié)三級標題：黑體，小四號，居左，單倍行距，段前、）實驗內容：以A寫字人、B寫字人和C寫字人，合計3000個數(shù)字0到9的數(shù)字圖像數(shù)據為訓練樣本集。A寫字人的1000個數(shù)字0到9的數(shù)字圖像數(shù)據為測試樣本集。學習率為1，單次訓練樣本數(shù)為10個，共訓練40次。若識別所得數(shù)字與給定的標簽匹配，則視為正確；不匹配則視為錯誤。表4-1ABCvsA數(shù)字識別實驗結果（表的標題：位于表的上方，一般居中，宋體，五號；表的序號：按章編排，如此表為第四章第一個表，則序號為“表4-1”，序號與文字描述之間空一格）（表格不加左、右列線；表內數(shù)字空缺的格內加“—”字線）（表中文字：宋體，五號）訓練樣本ABC樣本個數(shù)3000測試樣本A樣本個數(shù)1000訓練次數(shù)—單次訓練樣本數(shù)10學習率1正確率99.50%ABCvsABC數(shù)字識別實驗實驗內容：以A寫字人、B寫字人和C寫字人，合計3000個數(shù)字0到9的數(shù)字圖像數(shù)據為總樣本集。在總樣本集當中隨機抽取2400個為訓練樣本集，余下的600個為測試樣本集。學習率為1，單次訓練樣本數(shù)為10個，共訓練40次。若識別所得數(shù)字與給定的標簽匹配，則視為正確；不匹配則視為錯誤。表4-2ABCvsABC數(shù)字識別實驗結果訓練樣本ABC樣本個數(shù)2400測試樣本ABC樣本個數(shù)600訓練次數(shù)40單次訓練樣本數(shù)10學習率1正確率92.00%WriterDepend類數(shù)字識別實驗結果分析下面我們選取WriterDepend類數(shù)字識別實驗當中的兩個典型的例子ABCvsA數(shù)字識別實驗以及MNIST&ABCvsA數(shù)字識別實驗的結果做詳細分析。我們從ABCvsA數(shù)字識別實驗中的訓練樣本集和測試樣本集的手寫數(shù)字圖像樣本集當中分別隨機抽取一幅圖像如圖4-1所示。實驗訓練集b)實驗測試集圖4-1ABCvsA數(shù)字識別實驗集（圖的標題：位于圖的下方，一般居中，宋體，五號；圖的序號：按章編排，如此表為第四章第一個圖，則序號為“圖4-1”，序號與文字描述之間空一格）（圖中若有分圖時，分圖號用a)、b)等置于分圖之下）下面我們對上述的訓練集和測試集進行40次學習率為2，單次訓練樣本為10的迭代，%，而其中每次訓練時的誤差值組成的歷史誤差值畫圖分析如下：……WriterIndepend類數(shù)字識別實驗實驗內容：以MNIST數(shù)據庫為訓練樣本集，共計60000個訓練樣本。以A寫字人合計1000個數(shù)字0到9的數(shù)字圖像數(shù)據為測試樣本集寫字人識別實驗……樣本簡介……兩位寫字人識別實驗單個數(shù)字的寫字人識別實驗實驗內容：以A寫字人，合計800個數(shù)字5的數(shù)字圖像數(shù)據加上B寫字人，合計800個數(shù)字5的數(shù)字圖像數(shù)據，共計1600個樣本為總樣本集。隨機選取其中的1200個樣本為訓練樣本集，其余的400個樣本為測試樣本集。學習率為2，單次訓練樣本數(shù)為10個，共訓練30次。若識別所得寫字人與給定的標簽匹配，則視為正確；不匹配則視為錯誤。表4-3單個數(shù)字寫字人識別實驗結果訓練樣本A5&B5樣本個數(shù)1200測試樣本A5&B5樣本個數(shù)400訓練次數(shù)30單次訓練樣本數(shù)10學習率2正確率99.75%單個數(shù)字的寫字人識別實驗結果分析……本章小結……。結論（總結標題：黑體，小二號，居中，單倍行距，段前、）論文工作總結（各節(jié)一級標題：黑體，小三號，居左，單倍行距，段前、）……工作展望……參考文獻（參考文獻標題：黑體，小二號，居中，單倍行距，段前、）LeCunY,BottouL,BengioY,etal.Gradient-basedlearningappliedtodocumentrecognition[J].Proc.IEEE,1998,86(11):2278-2324.期刊文獻［序號］作者．文獻題名[J]．刊名,出版年份,卷號(期號)：起-止頁碼.劉國鈞，陳紹業(yè)，[M].北京:高等教育出版社，.學術著作［序號］作者．書名[M].出版地:出版社,出版年:起-止頁碼.NgiamJ,ChenZ,ChiaD,etal.Tiledconvolutionalneuralnetworks[C],AdvancesinNeuralInformationProcessingSystems.2010:1279-1287.有ISBN號的論文集［序號］作者．題名[A].主編．論文集名[C]．出版地：出版社,出版年：起-止頁碼.田露.基于多特征數(shù)據融合的離線中文筆跡鑒別研究[D].河南大學,2011.張慧檔.筆跡鑒別方法研究[D].鄭州大學,2002.梁亮.圖像處理技術在筆跡鑒定系統(tǒng)開發(fā)過程中的應用與研究[D].沈陽工業(yè)大學,2007.陳先昌.基于卷積神經網絡的深度學習算法與應用研究[D].浙江工商大學,2014.王強.基于CNN的字符識別方法研究[D].天津師范大學,2014.學位論文［序號］作者．題名[D]．保存地：保存單位,年份.[P].中國專利:，1989-07-26.專利文獻［序號］專利所有者．專利題名[P]．專利國別：專利號,發(fā)布日期.GB/T16159-1996，漢語拼音正詞法基本規(guī)則[S].技術標準[序號]標準代號,標準名稱[S].出版地：出版者,出版年[N].人民日報，1998-12-25(10).報紙文章[序號］作者．題名[N]．報紙名,出版日期(版次)[R].北京:清華大學核能技術設計研究院，1997.報告［序號］作者．文獻題名[R]．報告地：報告會主辦單位,年份[EB/OL].'1998-08-16/1998-10-04.電子文獻［序號］作者．電子文獻題名[文獻類型/載體類型]．文獻網址或出處,發(fā)表或更新日期/引用日期(任選)KrizhevskyA,SutskeverI,HintonGE.Imagenetclassificationwithdeepconvolutionalneuralnetworks[C],Advancesinneuralinformationprocessingsystems.2012:1097-1105.Ze