1. 毕业设计（论文）的内容和要求
1998年Yann LeCun及其合作者构建了更加完备的卷积神经网络LeNet-5并在手写数字的识别问题中取得了成功。
LeNet-5沿用了LeCun的学习策略并在原有的设计中加入了池化层对输入特征进行筛选。
LeNet-5及其后产生的变体定义了现代卷积神经网络的基本结构，其构筑中交替出现的卷积层-池化层被认为能够提取输入图像的平移不变特征。
2. 参考文献
[1]高学,王有旺.基于CNN和随机弹性形变的相似手写汉字识别[J]. 华南理工大学学报(自然科学版).2014(01):78-82 89[2] 金连文,钟卓耀,杨钊,杨维信, 谢泽澄,孙俊. 深度学习在手写汉字识别中的应用综述[J],自动化学报.2016(08):3-19[3] 陈悦,黄寄洪. 基于粗细粒度深度学习的脱机手写汉字识别[J], 梧州学院学报,2018(03):49-56[4] 杨钊,陶大鹏,张树业,金连文.大数据下的基于深度神经网的相似汉字识别[J], 通信学报,2014(09):188-193 [5] 柴伟佳,王连明.卷积神经网络的多字体汉字识别[J], 中国图象图形学报2018(03):112-119[6] 陈鹏飞, 应自炉, 朱健菲, et al. 面向手写汉字识别的残差深度可分离卷积算法[J]. 软件导刊, 2018, 17(11):72-76 80.[7] 朱丹浩,杨蕾,王东波.基于深度学习的中文机构名识别研究一种汉字级别的循环神经网络方法[J].现代图书情报技术,2016(12):40-47[8] 毛晓波,程志远,周晓东.基于特征图叠加的脱机手写体汉字识别[J], 郑州大学学报(理学版).2018(03):81-85[9] 胡晓芳.手写汉字识别的发展应用综述[J].电视指南.2017(24):256[10] Wim De Mulder,Steven Bethard,Marie-Francine Moens.A survey on the application of recurrent neural networks to statistical language modeling[J]. Computer Speech rgen Schmidhuber.Deep learning in neural networks: An overview[J]. Neural Networks . 2014 [12]Grgoire, Montavon, Wojciech, Samek, Klaus-Robert. Mller. Methods for interpreting and understanding deep neural networks [J], Digital Signal Processing, 2018(2):1-15[13] Sarkar D , Bali R , Sharma T . Deep Learning for Computer Vision[M]. Practical Machine Learning with Python. 2018.[14] 韩力群,康芊.《人工神经网络理论、设计及应用》神经细胞、神经网络和神经系统[J].北京工商大学学报：自然科学版.2005(01).52[15] 高学,王有旺. 基于CNN 和随机弹性形变的相似手写汉字识别[J].华南理工大学学报:自然科学版,2014
