1. 毕业设计（论文）主要内容：
自编码器（AutoEncoder）是深度学习中的一类无监督学习模型，由encoder和decoder两部分组成，其中，encoder将原始表示编码成隐层表示，decoder将隐层表示解码成原始表示。 训练目标为最小化重构误差， 隐层特征维度一般低于原始特征维度，降维的同时学习更稠密更有意义的表示。自编码器主要是一种思想，encoder和decoder可以由全连接层、CNN或RNN等模型实现。
本论文的主要目的是设计一个自编码器网络，实现图像的降噪，并将基于auto encoder-decoder的网络原理理解清楚，使用python的深度学习库实现一个基于Auto Encoder-Decoder的图像去噪研究，将去噪效果与传统算法进行对比，并研究深度网络的参数调节、损失函数、收敛速度等实现过程的比较。
2. 毕业设计（论文）主要任务及要求
1. 适合实际应用的选题
1、查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。2、完成不少于5000字的英文文献翻译工作。3、收集相关的原始数据，并进行数据的预处理工作。4、完成毕业设计（论文）阶段性报告，完成任务书和中期情况检查表等任务。5、完成不少于12000字的研究论文。
3. 毕业设计（论文）完成任务的计划与安排
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11-13周：编码和测试14-15周：写论文，提交初稿，给老师检查，修改定稿，答辩。
4. 主要参考文献
1.Bengio, Learning deep architectures for AI, Foundations and Trends in Machine Learning 1(2) ：1-127.2.Vincent, P., Larochelle, H., Bengio, Y., Manzagol, P.-A.(2008).Extracting and composing robust features withdenoising autoencoders(Technical Report 1316). Uni-versit e de Montr eal, dept. IRO3.M. Bertalmio, G. Sapiro, V. Caselles, and C. Ballester. Imageinpainting. Computer graphics and interactive techniques,2000. 3：1235-12464.RAYMOND A, CHEN CH, LIM T Y,et.al. Semantic image inpainting withdeep generative models[C]. CVPR 2017, Honolulu, Hawaii, 5485-5493.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
